Segmentasi Bagian Tubuh Manusia 3D Point Cloud Berbasis Spherical Projection Menggunakan Metode U-net
Author
Abstract
Light Detection and Ranging (LiDAR) merupakan hasil perkembangan teknologi dari masa ke masa yang telah diimplementasikan di berbagai bidang seperti medis dan mobil otonom. Teknologi ini telah menjadi hal penting dalam pengenalan aktivitas manusia, deteksi objek dan segmentasi tubuh manusia. Cara LiDAR bekerja yaitu dengan memantulkan dan menerima pantulan sinar laser yang dipancarkan dari sumber sampai menjumpai objek/benda disekitarnya. Pantulan laser yang dihasilkan dari LiDAR adalah sebuah kumpulan titik-titik 3D dapat disebut 3D Point Cloud yang berkumpul hingga membentuk sebuah permukaan suatu objek. Namun, dalam melakukan segmentasi data 3D Point Cloud memiliki sebuah tantangan tersendiri, karena data 3D Point Cloud memiliki format data yang tidak terstruktur. Hal ini yang menyebabkan variasi bentuk objek dapat saling menyebabkan tumpang tindih, sehingga dapat menghambat dalam melakukan segmentasi dan akurasi pengenalan objek. Tujuan penelitian ini untuk menjawab tantangan dalam segmentasi tubuh manusia 3D point cloud berbasis spherical projection, pendekatan teknik Spherical Projection hadir sebagai jawaban dalam segmentasi 3D point cloud. Dengan menggunakan teknik Spherical Projection data 3D Point Cloud ditransformasikan menjadi data 2D sehingga data dapat dilanjutkan ke tahap segmentasi. Pada tahap segmentasi, peneliti menggunakan model U-Net dengan arsitektur CNN (Convolutional Neural Network) untuk mendapatkan tingkat akurasi dalam melakukan segmentasi tubuh manusia menggunakan data 2D hasil spherical projection. Nilai evaluasi dan akurasi yang dihasilkan model U-Net mencapai sekitar 99.30% dan nilai Intersection Over Union (IoU) menghasilkan sekitar 82.27%.