Download - LAPORAN METRIK FOTOGRAFI

LAPORAN PRAKTIKUM

METRIK FOTOGRAFI

Di susun oleh :

YOHANES SETO ARI WIBOWO 12.25.939

JURUSAN TEKNIK GEODESI

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI NASIONAL

MALANG 2013

i

LEMBAR PERSETUJUAN

Laporan Praktikum ini Diajukan Untuk Melengkapi Tugas dan

Memenuhi Persyaratan Matakuliah Metrik Fotografi

pada Program Studi Teknik Geodesi S-1

Di susun oleh :

YOHANES SETO ARI WIBOWO 12.25.939

Menyetujui : Asisten Praktikum, Dosen Pembimbing

(Robby Paza Pamungkas) (M. Edwin Tjahjadi, ST., MGeomSc., PhD)

ii

LEMBAR ASISTENSI PRATIKUM METRIK FOTOGRAFI JURUSAN TEKNIK GEODESI S-1

Disusun Oleh : Yohanes Seto Ari Wibowo

Jurusan : Teknik Geodesi S-1

Asisten Dosen : Robby Paza P

Dosen Pembimbing : M. Edwin Tjahjadi, ST., MGeomSc., PhD

No Tanggal Catatan/ keterangan Tanda Tangan

iii

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas

segala rahmat dan bimbingannya Laporan Praktikum Metrik Fotografi ini dapat

terselesaikan. Laporan ini dibuat untuk melengkapi tugas dan memenuhi

Persyaratan Matakuliah Metrik Fotografi pada Program Studi Teknik Geodesi S-1.

Dalam penyusunan laporan ini penulis banyak mengalami dan menemui

masalah serta kendala-kendala, namun berkat do'a pembaca sekalian, laporan ini

dapat terselesaikan. Pada kesempatan ini penulis sampaikan rasa terima kasih

kepada semua pihak yang telah memberi motivasi serta dukungan secara utuh,

terutama penulis sampaikan kepada:

1. M. Edwin Tjahjadi, ST., MGeomSc., PhD, sebagai dosen Matakuliah Metrik

Fotografi, Jurusan Teknik Geodesi Fakultas Teknik Sipil dan Perencanaan,

Institut Teknologi Nasional Malang.

2. Robby Paza Pamungkas, selaku Asisten dosen Matakuliah Metrik Fotografi,

yang telah membimbing dalam pelaksanaan praktikum dan pembuatan

laporan.

3. Pandu Eka B dan Desi Sriyati L, elaku Asisten dosen Matakuliah Metrik

Fotografi, yang telah membimbing dalam pelaksanaan praktikum.

4. Orang tua yang selalu memberikan motivasi serta dukungan.

Namum demikian sebagai manusia biasa tentu laporan yang penulis

kemukakan ini banyak kekurangannya untuk itu penulis, mohon saran dan masukan

serta kritik yang membangun untuk kesempurnaan diwaktu yang akan datang.

Malang,

Penulis

iv

DAFTAR ISI

LEMBAR JUDUL

LEMBAR PERSETUJUAN ................................................................................. i

LEMBAR ASISTENSI ......................................................................................... ii

KATA PENGANTAR ........................................................................................... iii

DAFTAR ISI ......................................................................................................... iv

BAB I PENDAHULUAN

I.1 Latar Belakang .................................................................................... 1

I.2 Tujuan Praktikum ................................................................................ 2

I.3 Batasan Praktikum .............................................................................. 2

1.3.1 Proses dengan Software Australis ............................................ 2

1.3.2 Proses dengan Software Photomodeler Scanner ...................... 2

BAB II LANDASAN TEORI

II.1 Sistem koordinat dalam Fotogrametri ............................................... 3

2.1.1 Sistem Koordinat Foto.............................................................. 3

2.1.2 Sistem Koordinat Pixel ............................................................. 3

2.1.3 Sistem Koordinat Kamera ........................................................ 3

2.1.4 Sistem Koordinat Objek ........................................................... 4

II.2 Persamaan dalam Fotogrametri ......................................................... 4

2.2.1 Sistem Persamaan Kolinear ...................................................... 4

2.2.2 Sistem Persamaan Least Square Adjustment ............................ 6

II.3 Kalibrasi Kamera ............................................................................... 9

2.3.1 Parameter xo, yo, dan fokus (c) ................................................ 10

2.3.2 Parameter distorsi radial (K1, K2, K3) ....................................... 11

2.3.3 Parameter distorsi decentring (P1, P2) ...................................... 11

2.3.4 Parameter distorsi affinity (b1, b2) ............................................ 12

II.4 Ekstraksi Data Koordinat Foto .......................................................... 12

2.4.1 Metode centroid ........................................................................ 12

2.3.2 Konversi koordinat piksel ke foto ............................................ 13

II.5 Relatif Orientation ............................................................................. 14

v

II.6 Resection ............................................................................................ 16

II.7 Intersection ........................................................................................ 19

II.8 Bundle Adjusment ............................................................................. 21

II.9 Absolute Orientation / Transformasi Koordinat 3D .......................... 23

II.10 Model 3 Dimensi ................................................................................ 23

II.11 Point Mesh .......................................................................................... 24

BAB III PELAKSANAAN PRAKTIKUM

III.1 Proses dengan Software Australis ....................................................... 25

3.1.1 Input data hasil Kalibrasi Kamera ............................................ 27

3.1.2 Ekstraksi Data Koordinat Foto ................................................. 28

3.1.3 Relatif Orientation .................................................................... 29

3.1.4 Resection .................................................................................. 30

3.1.5 Intersection ............................................................................... 31

3.1.6 Bundle Adjusment .................................................................... 31

III.2 Proses dengan Software Photomodeler Scanner ................................. 33

3.2.1 Proses Kalibarsi Kamera .......................................................... 33

3.2.2 Proses Idealize .......................................................................... 35

3.2.3 Proses Trim ............................................................................... 39

3.2.4 Proses Danse Surface ............................................................... 40

BAB IV HASIL DAN PEMBAHASAN

IV.1 Proses Software Australis .................................................................... 42

4.2.1 Resection .................................................................................. 42

4.2.2 Intersection ............................................................................... 43

4.2.3 Bundle Adjusment .................................................................... 44

IV.2 Proses Software Photomodeler Scanner .............................................. 44

BAB V PENUTUP

V.1 Kesimpulan ........................................................................................... 46

V.2 Saran ..................................................................................................... 46

DAFTAR PUSTAKA .......................................................................................... 47

LAMPIRAN

1

BAB I

PENDAHULUAN

I.1 Latar Belakang

Perkembangan teknologi di bidang informasi spasial dan fotogrametri

menuntut sumber data yang berbentuk digital, baik berformat vektor maupun

raster. Hal ini dapat dilihat dari melimpahnya citra satelit dan makin meluasnya

foto udara dalam bentuk digital. Teknologi digital memacu perkembangan

peralatan maupun sistem di hampir semua bidang termasuk fotogrametri.

Peralatan restitusi fotogrametri berkembang dengan cepat dari sistem analog

berganti menjadi sistem digital. Sistem digital menawarkan banyak aplikasi

pengolahan citra, antara lain peningkatan kualitas data, penghitungan statistik,

pengenalan objek atau pola (pattern), dan pencocokan citra (image matching)

secara otomatis (Ahmad, 2008).

Perkembangan kamera digital akan merupakan masa depan pemotretan

tersendiri sebab meskipun banyak kelemahan kamera digital (terutama pada

tingkat resolusi gambar) pada saatnya nanti peningkatan kemampuan sampai

beberapa MB (mega bites)untuk satu frame foto dapat mengimbangi kamera optik.

Perkembangan proses pemetaan dapat dikelompokkan dalam garis besar kegiatan

saat ini sebagai era pemetaan konvensional dengan ploter analog serta pemetaan

digital.(Prijono, 2002)

Kegiatan fotogrametri berupa pengukuran dan pembuatan peta berdasarkan

foto udara. Karena yang diukur berupa obyek-obyek yang tergambar pada foto

udara. Perlu pula pengenalan atas obyek-obyek tersebut. Oleh karena itu dalam

fotogrametri juga dipelajari tentang cara pengambilan foto, kalibrasi kamera,

ekstraksi data foto sampai dengan proses bundle adjusment.

2

I.2 Tujuan Praktikum

Dalam praktikum ini, penulis mencoba melakukan proses kalibrasi dengan

parameter kamera yang telah diketahui, ekstraksi data sampai dengan proses

bundle adjusment untuk memperjelas cara kerja dalam fotogrametri, dengan

menggunakan software Australis. Pada praktikum penulis juga melakukan proses

kalibrasi kamera yang belum diketahui parameter kameranya yaitu dengan

menggunakan software PhotoModeler Scanner. Tujuan yang ingin dicapai dalam

praktikum adalah :

1. Meningkatkan pemahaman dalam mata kuliah Metrik Fotografi.

2. Meningkatkan keterampilan dalam proses pengambilan data foto.

3. Dapat melakukan proses kalibrasi kamera, ekstraksi data foto, relative

orientation, intersection, resection, bundle adjustment, dan absolute

oreintation dengan Software Australis dan Software PhotoModeler 6.

4. Mampu mengidentifikasi obyek pada foto dilanjutkan pembuatan objek 3D

yang diproses menggunakan Software PhotoModeler 6.

I.3 Batasan Praktikum

1.3.1 Proses dengan Software Australis

Pada saat praktikum langkah pertama melakukan proses input data base

kamera dilanjutkan dengan proses ekstraksi data foto dengan metode centroid

kemudian proses relative orientation lalu dilanjutkan dengan proses resection

apabila sudah menghasilkan nilai parameter EO maka dapat dilanjutkan proses

intersection setelah diperoleh koordinat objek dilanjutkan dengan perataan

kesalahan untuk meminimalisir nilai residu melalui proses bundle adjustment.

1.3.2 Proses dengan Software Photomodeler Scanner

Pada saat praktikum langkah pertama adalah melakukan proses kalibarsi

kamera kemudian dilanjutkan dengan proses Idealize setelah itu proses Trim untuk

memilih area yang akan dibentuk gambar 3 dimensinya langkah terakhir

membentuk surface 3 dimensi melalui proses Danse Surface.

3

BAB II

LANDASAN TEORI

II.1 Sistem Koordinat dalam Fotogrametri

Dalam konteks fotogrametri dikenal beberapa sistem koordinat yang

berhubungan dengan foto udara, yaitu: sistem koordinat foto, sistem koordinat

pixel, sistem koordinat kamera, dan sistem koordinat objek.

2.1.1 Sistem Koordinat Foto.

Sistem koordinat foto adalah sistem koordinat dua dimensi sebuah foto

dimana pada kamera non metrik maupun kamera metrik dimulai dari pixel tengah.

Sumbu x positif ke arah kanan dan sumbu y positif kearah atas. (Tjahjadi, 2013)

2.1.2 Sistem Koordinat Pixel.

Sistem koordinat pixel adalah sistem koordinat sebagai referensi titik terkecil

pada sebuah foto, yang biasanya dinyatakan dalam satuan mm. Dimana pada

kamera non metrik dimulai dari pixel kiri atas, sumbu x positif ke arah kanan

(kolom), dan sumbu y positif ke arah bawah (baris).

Gambar 2.1 Sistem Koordinat Foto dan Sistem Koordinat Pixel

2.1.3 Sistem Koordinat Kamera

Sistem koordinat kamera merupakan sistem koordinat 3D pada sebuah

kamera dimana titik pusat berada pada perspective center. Sumbu (x,y) positif

koordinat ini, sejajar dan pararel dengan sumbu (x,y) sistem koordinat objek.

You created this PDF from an application that is not licensed to print to novaPDF printer (http://www.novapdf.com)

http://www.novapdf.com

4

2.1.4 Sistem Koordinat Objek

Sistem koordinat objek merupakan sistem koordinat 3D yang digunakan

sebagai representasi bentuk dan ukuran objek melalui transformasi dari sistem

koordinat foto/pixel ke sistem koordinat objek. (Tjahjadi, 2013)

Gambar 2.2 Sistem Koordinat Kamera dan Sistem Koordinat Objek

II.2 Persamaan dalam Fotogrametri

2.2.1 Sistem Persamaan Kolinear

Dalam fotogrameteri sistem persamaan yang digunakan adalah sistem

persamaan kolinier, yang merupakan suatu sistem persamaan yang bersifat

nonlinier dan dilinierkan dengan menggunakan Teorema Taylor. Penggunaan

Teorema Taylor untuk menyelesaikan kolinearitas memerlukan pendekatan awal

bagi semua unsur orientasi luar yang tidak diketahui. Dua persamaan

menunjukkan kondisi kolinearitas untuk setiap titik pada foto, satu persamaan

untuk koordinat foto x dan persamaan yang lain untuk koordinat foto y (Wolf,

2000).

)()()()()()(

333231

1312110

LALALA

LALALAa YYmZZmXXm

YYmZZmXXmfxx .................(2.1)

)()()()()()(

333231

1312110

LALALA

LALALAa YYmZZmXXm

YYmZZmXXmfyy .................(2.2)



5

Dimana :

x0, y0 : Koordinat foto titik a

xa, ya : Koordinat foto yang diukur

XA, YA, ZA : Koordinat Object Space untuk titik A

X1, Y1, Z1 : Koordinat stasiun pemotretan

f : Panjang fokus kamera

m : 3 sudut matrik rotasi ortogonal (ω ,, )

Persamaan (2.1) dan (2.2) merupakan persamaan non linear, dalam

meliniearkan persamaan kolinear, persamaan (2.1) dan (2.2) dituliskan lagi

sebagai berikut :

F = 0 = qxa + rf ...................................................................................(2.3)

G = 0 = qya + sf ..................................................................................(2.4)

Dimana:

q = m31(XA - XL) + m32(YA - YL) + m33(ZA - ZL)

r = m11(XA - XL) + m12(YA - YL) + m13(ZA - ZL)

s = m21(XA - XL) + m22(YA - YL) + m23(ZA - ZL) ................................(2.5)

333231

232221

131211

mmmmmmmmm

M

Dimana:

m11 = cos φ cos к

m12 = sin ω sin φ cos к + cos ω sin к

m13 = -cos ω sin φ cos к + sin ω sin к

m21 = -cos φ sin к

m22 = -sin ω sin φ sin к + cos ω cos к ...................................................(2.6)

m23 = cos ω sin φ sin к + sin ω cos к

m31 = sin φ

m32 = -sin ω cos φ

m33 = cos ω cos φ



6

Menurut teori Taylor, persamaan (2.3) dan (2.4) dapat dinyatakan dalam

bentuk yang dilinearisasikan oleh turunan parsial sebagai berikut :

(F0) +xa 0

dxa + ω 0dω+

φ 0dφ +

k 0dk +

XL 0dXL +

YL 0dYL +

ZL 0dZL = xa ..........................................................(2.7)

(G0) +xa 0

dxa + ω 0dω +

φ 0dφ +

k 0dk +

XL 0dXL +

YL 0dYL +

ZL 0dZL = ya..........................................................(2.8)

2.2.2 Sistem Persamaan Least Square Adjustment

Least Square Adjustment adalah sebuah teknik statistik yang digunakan

untuk mengestimasi parameter unknown disatukan dengan sebuah solusi dimana

teknik tersebut dapat juga meminimalisir nilai kesalahan dari solusi itu sendiri.

Dalam teknik fotogrametri metode least square adjustment digunakan untuk

proses antara lain :

1. Mengestimasi atau meratakan nilai parameter exterior orientasi.

2. Mengestimasi nilai object space point (X,Y dan Z) beserta nilai keakurasinya.

3. Mengestimasi dan meratakan nilai parameter interior orientasi.

4. Meminimalisir dan mendistribusikan errors data melalui jaringan

pengamatan.

Pendekatan least square dibutuhkan untuk proses iterasi sampai sebuah solusi

didapat. Sebuah solusi diperoleh saat residual atau nilai kesalahan yang terdapat

dalam sebuah data diminimalisir. Bagi sekelompok data pengamatan berbobot

sama, persyaratan utama yang harus dikenakan bagi penyesuaian least square

ialah bahwa jumlah kuadrat residual diminimalisir. Selanjutnya didalam bentuk

persamaan maka persyaratan utama least square adjustment dinyatakan sebagai

(Wolf, 2000) :

∑ (V1)2 = (V1)2 + (V2)2 + (V3)2 + . . . . + (Vmi)2 = minimum..............(2.9)

Dalam metode persamaan pengamatan bagi penyesuaian least square, ditulis

persamaan pengamatan yang berkaitan dengan nilai terukur terhadap kesalahan

residual dan parameter unknown. Untuk pemecahan yang unik maka jumlah

persamaan harus sama besar dengan jumlah unknown. Bila dilakukan pengamatan



7

berulang, maka dapat ditulis persamaan pengamatan yang lebih banyak dari yang

diperlukan untuk pemecahan yang unik. Dan nilai yang paling mungkin dapat

ditentukan dengan metode least square.

Bentuk sederhana dari persamaan least square yang dilakukan dengan

pendekatan aljabar dalam bentuk matrik dapat dituliskan sebagai berikut :

mAnnX1= mL1 + mV1.......................................................................(2.10)

Atau

mV1 = mAn nX1-nL1 .......................................................................(2.11)

Dengan mempelajari penyajian matriks, akan terlihat bahwa persamaan

normal dapat diperoleh sebagai berikut :

AT AX =AT L...............................................................................(2.12)

Pada persamaan diatas, AT A adalah matriks koefisien persamaan normal dari

bilangan unknown. Dengan mengalikan persamaan diatas dengan AT A dan

kurangkan, hasilnya adalah :

(AT A)-1 (AT A)X = (AT A)-1 AT L

IX = (AT A)-1 AT L

X = (AT A)-1 AT L...............................................................................(2.13)

Dimana :

X = Matriks koreksi parameter dicari (unknown)

A = Matriks koefisien atau matriks Jacobian

L = Matriks pengamatan / observasi

V = Matriks residu

Nilai numerik untuk koefisien pada matriks A, dapat diperoleh dengan

menggunakan perkiraan awal untuk parameter, yaitu (Wolf and Dewitt 2000) :

Melakukan proses iterasi apabila nilai residu belum sesuai. Adapun

persamaan matrik untuk menghitung nilai residu setelah penyesuain, sebagai

berikut (Wolf and Dewitt 2000):

푏 = 푓푞 [푟(−푚 ∆푌 + 푚 ∆푍) − 푞(−푚 ∆푌 + 푚 ∆푍)]

푏 =

[푟(푐표푠휑 ∆푋 푠푖푛휔 푠푖푛 휑 ∆푌 푐표푠휔 푠푖푛휑∆푍 ) − 푞(− 푠푖푛 휑 푐표푠 к ∆푋 +



8

푠푖푛 휔 푐표푠 휑 푐표푠 к ∆푌 − 푐표푠휔 푐표푠 휑 푐표푠 к ∆푍)]

푏 = −푓푞

(푚 ∆푋 + 푚 ∆푌 + 푚 ∆푍)

푏 = 푓푞

(푟푚 − 푞푚 )

푏 = 푓푞

(푟푚 − 푞푚 )

푏 = (푟푚 − 푞푚 ) ................................................................(2.14)

푏 = 푓푞 [푠(−푚 ∆푌 + 푚 ∆푍)− 푞(−푚 ∆푌 + 푚 ∆푍)]

푏 =

[푠(푐표푠 휑∆푋 + 푠푖푛휔 푠푖푛 휑 ∆푌 − 푐표푠휔 푠푖푛 휑∆푍 ) − 푞(푠푖푛 휑 푐표푠 к ∆푋 −

푠푖푛 휔 푐표푠 휑 푠푖푛 к ∆푌 − 푐표푠휔 푐표푠 휑 푠푖푛 к ∆푍)]

푏 = 푓푞

(푚 ∆푋 + 푚 ∆푌 + 푚 ∆푍)

푏 = 푓푞

(푠푚 − 푞푚 )

푏 = 푓푞


푏 = 푓푞


퐽 = 푥 − 푥 + 푓푟푞

퐾 = 푦 − 푦 + 푓

V = AX – L..........................................................................................(2.15)

Rumus standar deviasinya adalah :

S = .........................................................................................(2.16)

Iterasi berhenti apabila besarnya nilai koreksi parameter dicari (unknown)

yang didapat paling kecil.



9

II.3 Kalibrasi Kamera

Kamera fotogrametri tidak mempunyai lensa yang sempurna, sehingga proses

perekaman yang dilakukan akan memiliki kesalahan. Oleh karena itu perlu

dilakukan pengkalibrasian kamera untuk dapat menentukan besarnya

penyimpangan-penyimpangan yang terjadi. Kalibrasi adalah kegiatan untuk

memastikan hubungan antara harga-harga yang ditunjukkan oleh suatu alat ukur

dengan harga yang sebenarnya dari besaran yang diukur. Kalibrasi kamera

dilakukan untuk menentukan parameter distorsi, meliputi distorsi radial dan

distorsi tangensial (decentring), serta parameter-parameter lensa lainnya, termasuk

juga principal distance (c), serta titik pusat fidusial foto. Pada Software Australis,

model kalibrasi terdiri dari element interior orientasi (xo, yo, c), koefisien distorsi

lensa (K1, K2, K3, P1 and P2) serta koefisen untuk perbedaan penyekalaan dan

ketidak ortogonal antara sumbu X dan Y (b1, b2). Distorsi lensa dapat

menyebabkan bergesernya titik pada foto dari posisi yang sebenarnya.

Kalibrasi kamera dapat dilakukan dengan berbagai metode. Secara umum

kalibrasi kamera biasa dilakukan dengan tiga metode, yaitu laboratory

calibration, on the job calibration dan self calibration (Atkinson, 2001).

Laboratory calibration dilakukan di laboratorium, terpisah dengan proses

pemotretan objek. Metode yanng termasuk di dalamnya antara lain optical

laboratory dan test range calibration. Secara umum metode ini sesuai untuk

kamera jenis metrik. On the job calibration merupakan teknik penentuan

parameter kalibrasi lensa dan kamera dilakukan bersamaan dengan pelaksanaan

pemotretan obyek. Pada self calibration pengukuran titik-titik target pada obyek

pengamatan digunakan sebagai data untuk penentuan titik obyek sekaligus untuk

menentukan parameter kalibrasi kamera.

Parameter kalibrasi kamera memegang peranan penting kunci untuk

mendapatkan tingkat keakurasian yang tinggi untuk titik-titik koordinat obyek

yang terekam / diukur melalui foto dijital. Indikasi ketelitian adalah jarak dan

bentuk yang benar antara hasil pengukuran di foto dibanding dengan data

lapangan. Dengan demikian parameter kalibrasi beserta ketelitiannya yang harus

didapatkan antara lain.



10

2.3.1 Parameter xo, yo, dan fokus (c)

Dalam berbagai kasus fotogrametri, element dari principle point (xo, yo) dan

perspektif distance (panjang fokus) harus ditentukan, hal ini dikarenakan semua

sistem persamaan matematis yang digunakan dalam fotogrametri bergantung dari

ketiga parameter ini. Secara geometris hubungan antara ketiga parameter ini dapat

di lihat pada gambar dibawah ini.

Gambar 2.3 Geometri foto

Dari gambar diatas posisi principle point (xo, yo) merupakan proyeksi garis

lurus dari letak perspective center ke bidang foto dan jarak dari principle point ke

perspective center merupakan panjang fokus (c). Secara praktis panjang fokus

kamera dan letak principle point tidak mutlak berada di tengah-tengah pusat foto,

permasalahan ini disebabkan oleh kurang stabilnya susunan lensa dan CCD yang

berguna untuk merekam bayangan obyek pada saat perakitan. Sehingga perubahan

posisi principle point dan panjang fokus dapat dimodelkan menggunakan

persamaan sebagai berikut (Dorstel, 2004) :

∆x1 = ∆xp − ∆c

∆y1 = ∆yp − ∆c ............................................................................ (2.17)

Dimana ∆x1, ∆y1 merupakan total koreksi dari parameter xo, yo dan fokus,

∆xp, ∆yp koreksi untuk parameter principle point, dan ∆c koreksi untuk nilai

parameter fokus, dengan nilai koordinat foto didefenisikan sebagai berikut.

x = x − xp

y = y − yp ....................................................................................... (2.18)

z = −c

x

y

Perspective center

Principal point (xo,yo)

Object

Image (positive)

o



11

2.3.2 Parameter distorsi radial (K1, K2, K3)

Distorsi radial adalah pergeseran linier titik foto dalam arah radial terhadap

titik utama dari posisi idealnya. Distorsi lensa biasa diekspresikan sebagai fungsi

polonomial dari jarak radial (dr) terhadap titik utama foto. Distorsi radial

direpresentasikan dalam sebuah persamaan polinimial sebagai berikut (Wolf,

2000) :

Δxr = K1r3 + K2r5 + K3r7 Δyr = K1r3 + K2r5 + K3r7........................................................................(2.19)

Dimana istilah dari K1 merupakan koefisien dari distorsi radial dan r adalah jarak

radial :

푟 = 푥̅2+푦2...........................................................................................(2.20)

Efek yang terjadi apabila pada kamera memiliki nilai distorsi, maka gambar

foto yang dihasilkan akan berbentuk cembung atau cekung, tergantung dari nilai

parameter distorsi radial bernilai positif atau negatif (Wolf,1993). Efek distorsi

radial adalah sekitar 1 sampai 2 piksel di perbatasan CCD sensor. Dalam

kaitannya dengan definisi distorsi radial, ada korelasi besar antara koefisien

distorsi itu sendiri K1, K2, K3 dan antara principle distance. Hubungan antara

distorsi radial dengan principle distance adalah dalam kaitannya sesuai principle

distance dengan deviasi rata-rata akan dihitung menjadi minimum.

2.3.3 Parameter distorsi decentring (P1, P2)

Distorsi decentring adalah pergeseran linier titik di foto pada arah normal

(tegak lurus) garis radial memalui titik foto tersebut. Distorsi decentring

disebabkan kesalahan sentering elemen-elemen lensa dalam satu gabungan lensa

dimana titik pusat elemen-elemen lensa dalam gabuang lensa tersebut tidak

terletak pada satu garis lurus. Pergeseran ini biasa dideskripsikan dengan 2

persamaan polinomial untuk pergeseran pada arah x (dx) dan y (dy).

Distorsi decentring ini dapat dijabarkan dalam sebuah persamaan polinomial

arah x dan y sebagai berikut :

∆x = P [r + 2(x − x ) ] + 2P (x − x )(y− y )

∆y = P [r + 2(y − y ) ] + 2P (x− x )(y− y ) ....................... ..(2.21)



12

Dimana P1 dan P2 merupakan koefesien dari parameter distorsi decentring

yang nilainya tergantung dari nilai panjang fokus kamera. Efek dari distorsi

decentring ini akan menyebabkann kesan hiperbolik pada foto yang terekam oleh

kamera.

2.3.4 Parameter distorsi affinity (b1, b2)

Parameter distorsi affinity secara umum dapat dimodelkan dalam bentuk

persamaan polinimial. Untuk kamera dijital jumlah parameter dikurangi dari 12

parameter menjadi 2 parameter. Persamaan utmuk menentukan nilai parameter

scale b1 dan parameter shear b2 dapat dituliskan sebagai berikut (Wolf, 1993) :

∆x = b x + b y

∆y = 0 .......................................................................................... (2.22)

Distorsi affinity ini terjadi akibat kurang sikunya bidang CCD atau CMOS

yang digunakan untuk merekam bayangan obyek, sehingga frame dari foto tidak

akan benar-benar terbentuk sebuah bujur sangkar ataupun persegi panjang, akan

tetapi membentuk jajar genjang.

II.4 Ekstraksi Data Koordinat Foto

Suatu foto dalam format dijital merupakan kuantitas nilai-nilai tingkat

keabuan (grayscale) yang ditampilkan dalam sebuah susunan matrik atau array,

dimana nilai baris dan kolom dari matrik tersebut merupakan koordinat piksel.

Dengan kelebihan yang dimiliki oleh foto dalam format digital ini, maka dapat

dengan mudah menentukan nilai suatu koordinat obyek dalam suatu sistem

koordinat foto. Secara umum metode penetuaan nilai koordinat obyek pada foto

digital yang sering digunakan dalam proses fotogrametri antara lain sebagai

berikut :

2.4.1 Metode centroid

Dalam penentuan koordinat foto menggunakan teknik ini, hanya terbatas pada

target atau obyek yang berbentuk lingkaran atau elips. Hal ini dikarenakan, pada

metode ini bertujuan menghitung nilai tengah (center of gravity) atau pusat

centroid pada sebuah target dengan memperhitungkan nilai tingkat keabuan pada



13

tiap piksel. Seperti yang dikemukakan oleh Ganci dan Shortis dalam Ahmad,

metode ini dapat digunakan untuk menentukan sentroid hingga ketepatan ±0,03

piksel.

Untuk lebih jelasnya persamaan penentuan sentroid secara umum dijabarkan

sebagai berikut :

x=∑ ∑ j x lijm

i=1nj=1

∑ ∑ lijmi=1

nj=1

;y= ∑ ∑ i x lijm

i=1nj=1

∑ ∑ lijmi=1

nj=1

........................................................ (2.23)

Dimana lij merupakan nilai tingkat keabuan (grayscale) piksel dalam arah x

dan y, m jumlah kolom, n jumlah baris dan masinng-masing i dan j adalah nilai

baris dan kolom piksel.

2.3.2 Konversi koordinat piksel ke foto

Pada kamera dijital sistem koordinat yang dipakai adalah sistem koordinat

piksel, sedangkan dalam proses perhitungan secara analitik, sistem yang dipakai

adalah sistem koordinat kartesian (metrik). Sehingga dalam hal ini harus

dilakukan transformasi koordinat dari sistem piksel kedalam sistem kartesian foto.

Adapun persamaan yang digunakan adalah :

x = (x’-xc’) * xPixelSize y = (yc’-y’) * yPixelSize ...................................................................... (2.24)

imana :

xc'= nx'

2- 0,5

yc'= ny'

2- 0,5 ................................................................................ (2.25)

Keterangan Rumus :

x, y : Koordinat foto

x’, y’ : Koordinat piksel

xc’, yc’ : Principle point dalam piksel

xPixelSize, yPixelSize : Ukuran satu piksel

nx’, ny’ : Resolusi dari foto dalam piksel

Dalam hal ini (x,y) merupakan koordinat foto dalam sistem koordinat metrik,

(x’, y’) kootdinat dalam piksel,(xc, yc,) principle point dalam piksel, (xPixelSize,

yPixelSize) ukuran satu piksel dalam metrik dan (nx’, ny’) merupakan resolusi dari

foto dalam piksel.



14

YL2 = ?

Z YL2 = ? XL2 (fixed)

ZL1 (fixed)

II.5 Relatif Orientation

Relatif orientasi merupakan proses untuk menentukan nilai perputaran sudut

rotasi dan pergeseran posisi antara dua foto. Proses ini dilakukan dengan cara

memberikan nilai posisi dan orientasi untuk foto pertama, kemudian dilakukan

proses perhitungan nilai posisi dan orientasi pada foto kedua menggunakan

parameter dari posisi kamera pertama dan koordinat foto dari kedua buah foto.

Dalam proses relatif orientasi ini tidak menghasilkan nilai posisi dan orientasi

dari foto yang sebenarnya, akan tetapi menghasilkan sebuah nilai relatif antara

dua buah foto tersebut. Yaitu menetapkan beberapa parameter eksterior orientasi

(EO) ω, φ, k, YL, ZL dari foto kanan (2) dari pertemuan 5 berkas sinar dari

koordinat obyek 3D ( Xi, Yi, Zi) yang ada. Dengan cara digital, relatif orientasi

dapat menggunakan syarat kesegarisan (colinearity condition) atau syarat

kesebidangan (coplanarity condition). Dimana kondisi kesegarisan antar foto

dapat dilukiskan seperti pada gambar dibawah ini :

Gambar 2.4 Relatif Orientasi Secara Analitik

Proses dari penentuan relatif orientasi dapat dilukiskan dalam gambar 2.4,

sinar-sinar yang berkaitan dengan enam titik dari A hingga F tampak memenuhi

kondisi tersebut. Keenam buah titik tersebut pada dasarnya terletak pada bagian

daerah yang sama pada kedua foto.

Sehingga dapat dituliskan persamaan-persamaan kebersamaan garis untuk

kedua foto, dan minimal untuk lima buah titik objek. Persamaan dari kedua foto

tersebut mengandung koordinat keruangan yang sama dan sistem persamaan



15

kebersamaan garis yang dirumuskan terdapat lima buah parameter orientasi luar

foto kanan (2) (ω2, φ2, к2, YL2, dan ZL2) yang belum diketahui dan ditambah

bentuk 3D koordinat objek yang belum diketahui (Xi, Yi, Zi) untuk masing-masing

titik yang digunakan dalam pemecahan masalah sehingga parameter orientasi luar

yang diperoleh nantinya akan dikoreksi pada relatif antara kedua foto.

Pada Relatif Orientation analitik, biasanya parameter EO (ω, φ, к, XL, YL)

dari foto kiri sama dengan nol. Dan juga untuk ZL pada foto kiri (ZL1) ditetapkan

secara sembarang pada harga bulat dan sebagai alternatif yang nyaman maka nilai

dari ZL1 tepat pada angka nol, dan XL pada foto kanan (XL2) ditetapkan pada harga

mendekati basis foto (jarak difoto pada kedua foto) yang mendekati nol dan harus

ditentukan 5 parameter unknown pada foto kanan. Hal ini akan mempermudah

dalam perhitungan koordinat objek Xi, Yi, Zi sehingga mendekati mendekati

satuan koordinat foto yang terukur.

Bagi masing-masing titik yang digunakan dalam relatif orientasi, dapat ditulis

empat buah persamaan kebersamaan garis yaitu sebuah persamaan x dan y dalan

bentuk persamaan 2 bagi masing-masing foto pasangan foto stereo. Dengan

menggunakan 5 buah titik objek, yang dapat dituliskan 20 persamaan dan satu

pemecahan hasil yang unik karena jumlah yang belum diketahui juga 20, yaitu 5

buah parameter orientasi luar yang belum diketahui bagi 2 foto ditambah 15

koordinat titik objek yang belum diketahui. Metode yang digunakan sebagai

solusi untuk mendapatkan parameter yang dicari adalah menggunakan teknik

kuadrat terkecil (Wolf and Dewitt 2000).

b11dω + b12dφ + b13dк – b14dXL – b15dYL – b16dZL + b14dXA + b15dYA +

b16dZA = J + vxa

b21dω + b22dφ + b23dк – b24dXL – b25dYL – b26dZL+ b24dXA + b25dYA +

b26dZA = K + vya..................................................................................(2.26)



16

Bentuk matriks A yaitu :

A=

⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡(ba11)

1(ba21)

1⋮⋮

(bn11)1

(bn21)1

(ba11)2

(ba21)2

⋮⋮

(bn11)2

(bn21)2

⋮

(ba12)1

(ba22)1

⋮⋮

(bn12)1

(bn22)1

(ba12)2

(ba22)2

⋮⋮

(bn12)2

(bn22)2

⋮

(ba13)1

(ba23)1

⋮⋮

(bn13)1

(bn23)1

(ba13)2

(ba23)2

⋮⋮

(bn13)2

(bn23)2

⋮

(-ba15)1

(-ba25)1

⋮⋮

(-bn15)1

(-bn25)1

(-ba15)2

(-ba25)2

⋮⋮

(-bn15)2

(-bn25)2

⋮

(-ba16)1

(-ba26)1

⋮⋮

(-bn16)1

(-bn26)1

(-ba16)2

(-ba26)2

⋮⋮

(-bn16)2

(-bn26)2

⋮

(ba14)1

(ba24)1

0000

(ba14)2

(ba24)2

0000⋮

(ba15)1

(ba25)1

0000

(ba15)2

(ba25)2

0000⋮

(ba16)1

(ba26)1

0000

(ba16)2

(ba26)2

0000⋮

00⋱⋱0000⋱⋱00⋮

00⋱⋱0000⋱⋱00⋮

00⋱⋱0000⋱⋱00⋮

0000

(bn14)1

(bn24)1

0000

(bn14)2

(bn24)2

⋮

0000

(bn15)1

(bn25)1

0000

(bn15)2

(bn25)2

⋮

0000

(bn16)1

(bn26)1

0000

(bn16)2

(bn26)2

⋮⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤

Bentuk matriks X, L, dan V sebagai berikut :

X =

⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡dωdφdкdYdZdXdYdZ⋮⋮

dXdYdZ ⎦

⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤

L =

⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡

(J )(K )⋮⋮⋮

(J )(K )(J )(K )⋮⋮

(J )(K ) ⎦

⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤

V =

⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡(V )(V )⋮⋮⋮

(V )(V )(V )(V )⋮⋮

(V )(V ) ⎦

⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤

II.6 Resection

Space Resection atau reseksi ruang dengan kolinearitas merupakan metode

numerik murni yang secara serentak menghasilkan enam unsur orientasi luar

(EO). Biasanya nilai sudut XL, YL, ZL, ω, , diperoleh dengan penyelesaian itu.

Space Resection dengan kolinearitas memungkinkan penggunaan ulang sejumlah

titik kontrol medan. Oleh karena itu dapat digunakan cara perhitungan kuadrat

terkecil untuk menentukan nilai yang paling mungkin bagi keenam unsur itu.

Meskipun perhitungannya panjang dapat dilakukan secara rutin. Space Resection

dengan kolinearitas merupakan metode yang lebih disukai untuk menentukan

unsur orientasi luar (Wolf, 2000).

Space Resection dengan kolinearitas meliputi formulasi yang disebut dengan

Persamaan Kolinearitas (collinearity equation) untuk sejumlah titik kontrol yang



17

koordinat medannya X, Y dan Z diketahui dan yang gambarnya tampak pada foto.

Kemudian persamaan itu diselesaikan untuk enam unsur orientasi luar yang belum

diketahui dan tampak pada foto. Kolinearitas di deskripsikan sebagai kondisi

dimana stasiun pemotretan, beberapa titik objek, dan image foto berada pada satu

garis lurus pada space 3D. Kondisi kolinearitas di ilustrasikan seperti gambar di

bawah ini dimana A, o dan a terletak pada satu garis lurus.

Gambar 2.5 Kondisi kolinearitasi

Keterangan Gambar :

xa, ya : Koordinat foto

XA, YA, ZA : Koordinat titik object space

X, Y, Z : Koordinat kamera

f : Panjang fokus kamera

xp, yp : Koordinat dari principal point

Space Resection merupakan suatu proses untuk menentukan elemen Exterior

Orientation dan posisi sensor dari titik kontrol tanah dan koordinat image. Metode

perhitungan yang paling biasa digunakan adalah persamaan kolineariti, dimana

prinsip dari persamaan tersebut adalah titik kontrol, titik pada image, dan proyeksi

pusat terletak pada satu garis lurus. Untuk setiap titik kontrol, dapat diperoleh dua

persamaan. Karena terdapat 6 parameter EO, sedikitnya tiga titik kontrol

dibutuhkan untuk memecahkan masalah resection. Metode perhitungan dengan

menggunakan teknik Least Square akan diterapkan pada penelitian ini untuk

menentukan nilai yang paling mungkin pada enam parameter EO.



18

Ukuran koordinat foto xa dan ya (menyuling dan mengoreksi untuk distorsi

lensa jika sesuai) image sasaran memberi kenaikan ke dua persamaan kolineariti.

Jika tiga elemen Interior Orientation (c, xo, and yo) diberikan oleh kalibrasi

kamera dan koordinat (XA, YA, ZA) dititik A pada sistem koordinat object space

maka dikenal dua persamaan dengan 6 nilai yang belum diketahui yaitu rotasi ω,

, dan koordinat (XO, YO, ZO) pada perspective center. Sedikitnya 3 target non-

collinear seperti titik kontrol diperlukan untuk resection dari kamera. Metode ini

digunakan untuk mengevaluasi elemen EO yang bergantung pada tujuan

fotogrametri. Metode untuk evaluasi secara berlangsung pada enam elemen

orientasi bagian luar (Eksterior Orientation) diperoleh dari diukurnya koordinat

foto pada image dengan tiga titik kontrol non kolinear yang tidak memerlukan

beberapa nilai pendekatan (Zeng and Wang, 1992 dalam Cooper et al, 1987).

Prosedur ini memberikan koordinat secara langsung dari perspective center.

Bentuk secara aljabar akan digunakan pada matriks rotasinya. Jika diperlukan,

nilai untuk rotasi ω, , dan dapat dicari dari 9 elemen matrik rotasi.

Jika perhitungan resection secara statistik lebih teliti diperlukan, maka

persamaan kolineariti dapat dilinearisasikan dan proses least square dapat

digunakan untuk mengevaluasi 6 elemen Eksterior Orientation. Untuk mendapat

nilai yang resection yang teliti perlu mendapat nilai pendekatan untuk unsur

orientasi yang cukup dekat dengan nilai akhir untuk proses iterative agar lebih

teliti. Biasanya nilai yang tepat untuk koordinat (XO, YO, ZO) dapat langsung

diperoleh, tetapi tidak untuk nilai sudut rotasinya. Resection hanya tingkat

menengah pada prosedur fotogrametri, serigkali diikuti oleh intersection atau

bundle adjustment dengan multistation yang teliti dimana menggunakan nilai

unsur EO sebagai nilai awal pendekatan. Dalam metode persamaan pengamatan

bagi penyesuaian least square, ditulis persamaan pengamatan yang berkaitan

dengan nilai terukur terhadap kesalahan residual dan parameter unknown. Untuk

pemecahan yang unik maka jumlah persamaan harus sama besar dengan jumlah

unknown. Bila dilakukan pengamatan berulang, maka dapat ditulis persamaan

pengamtan yang lebih banyak dari yang diperlukan untuk pemecahan yang unik.

Dalam penyelesaian secara least square maka diperoleh persamaan untuk

proses resection dalam bentuk persamaan kolinearitas terlinearisasi yang



19

disederhanakan termasuk untuk nilai residualnya sebagai berikut (wolf, 2000) :

b11dω + b12dφ + b13k - b14dXL - b15YL - b16ZL= J + vxa

b21dω + b22dφ + b23k – b24dXL – b25YL – b26ZL= K + vya.................. (2.27)

Dimana setiap notasi diatas diwakili oleh susunan matriks sebagai berikut :

A =

⎣⎢⎢⎢⎢⎢⎢⎡b11a b12a b13a −b14a −b15a −b16ab21a b22a b23a −b24a −b25a −b26ab11bb21bb11cb21cb11db21d

b12bb22bb12cb22cb12db22d

b13bb23bb13cb23cb13db23d

−b14b−b24b−b14c−b24c−b14d−b24d

−b15b−b25b−b15c−b25c−b15d−b25d

−b16b−b26b−b1bc−b26c−b16d−b26d⎦

⎥⎥⎥⎥⎥⎥⎤

L =

⎣⎢⎢⎢⎢⎢⎢⎡

JaKaJbKbJcKcJdKd⎦⎥⎥⎥⎥⎥⎥⎤

X =

⎣⎢⎢⎢⎢⎡

dωdφdk

dXLdYLdZL⎦

⎥⎥⎥⎥⎤

V =

⎣⎢⎢⎢⎢⎢⎢⎡VxaVyaVxbVybVxcVycVxdVyd⎦

⎥⎥⎥⎥⎥⎥⎤

II.7 Intersection

Intersection merupakan suatu teknik menentukan koordinat titik-titik objek

pada dua gambar atau lebih yang saling bertampalan sehingga diketahui posisi

secara 3D (Xi, Yi, Zi).

Proses ini membutuhkan enam parameter orientasi luar yang diketahui (ω, φ,

к, XL, YL, ZL) untuk dua foto yang bertampalan. Nilai koordinat objek dalam

ruang tiga dimensi ini dapat dihitung menggunakan persamaan kolinier yang telah

dilinierisasi.

Gambar 2.6 Ilustrasi Proses Intersection

Intersection mengacu kepada determinasi posisi titik pada ruang objek

dengan dua persamaan untuk setiap titik pada foto. Jika terdapat dua foto, total



20

ada empat persamaan yang terdiri dari tiga persamaan yang tidak diketahui, titik

koordinat ruang objek yang diperoleh. Ada satu derajat bebas, dan satuan

persamaan linier dimana dapat dipecahkan dengan metode least square. Dengan

menambahkan beberapa foto, meningkatkan jumlah derajat kebebasan dengan

demikian akan meningkatkan solusinya (Mikhail, Bethel et al.2001).

Karena enam unsur orientasi sudah diketahui, yang tidak diketahui pada

persamaan ialah dXA, dYA, dan dZA. Ini merupakan koreksi yang harus diterapkan

bagi pendekatan awal untuk masing-masing koordinat object space XA, YA, ZA,

untuk titik A. Bentuk persamaan intersection yang diliniearkan sebagai berikut

(Wolf and Dewitt 2000):

b14dXA + b15dYA + b16dZA = J + Vxa

b24dXA + b25dYA + b26dZA = K + Vya .................................................................... (2.28)

Pada gambar 2.6 dapat ditulis o1 pada foto kiri dan foto kanan dapat ditulis

o2. Dengan demikian dapat dibuat empat persamaan seperti persamaan di atas, dan

nilai dXA, dYA, dan dZA dapat diselesaikan melalui perhitungan least square.

Koreksi ini diterapkan bagi pendekatan awal untuk memperoleh nilai revisi untuk

XA, YA, ZA. Penyelesaian ini kemudian diulang lagi atau proses iterasi hingga

nilai residu sesuai.

Dalam bentuk matriks dapat dinyatakan sebagai berikut (Wolf and Dewitt

2000):

A =

⎣⎢⎢⎢⎢⎢⎢⎢⎡(b14 ) (b15 ) (b16 ) … . … …(b24 ) (b25 ) (b26 ) … … …(b14 ) (b15 ) (b16 ) … … …(b24 ) (b25 ) (b26 ) … … …

… … … (b14 ) (b15 ) (b26 )… … … (b24 ) (b25 ) (b26 )… … … (b14 ) (b15 ) (b26 )… … … (b24 ) (b25 ) (b26 ) ⎦

⎥⎥⎥⎥⎥⎥⎥⎤

L =

⎣⎢⎢⎢⎢⎢⎢⎡

JKJKJKJK ⎦⎥⎥⎥⎥⎥⎥⎤

X =dXdYdZ

V =

⎣⎢⎢⎢⎢⎢⎢⎡VxVyVxVyVxVyVxVy ⎦

⎥⎥⎥⎥⎥⎥⎤

Untuk proses perhitungan dari intersection dapat dilihat pada pembahasan

sebelumnya (Sistem Persamaan Dalam Fotogrametri). Dimana iterasi berhenti



21

apabila nilai residu sudah sesuai. Jadi nilai akhir untuk proses intersection

menggunakan metode least square adalah nilai (3) parameter (XA, YA, ZA), yang

sudah diiterasi berulang kali dengan nilai residu yang sesuai dan seminimal

mungkin.

II.8 Bundle Adjusment

Bundle adjustment adalah proses penentuan atau perhitungan parameter IO,

EO dan koordinat obyek secara serempak bersamaan dengan menggunakan teknik

hitung kuadrat terkecil. Dalam dekade sepuluh tahun terakhir teknik ini menjadi

cara yang paling efisien untuk memproses data pemotretan seperti yang

dilaporkan oleh. Jika kesalahan sistematis dan defisiensi datum untuk sementara

diabaikan, maka dengan metode Helmert Blocking (Wolf, 2000), maka persamaan

normalnya dapat dituliskan sebagai :

.................(2.29)

Dimana P disini adalah matrik bobot dari ketelitian pengukuran koordinat

foto dijital :

.....................................................................(2.30)

Disini x dan y adalah standard error dari ukuran titik obyek ke-j pada foto

ke-i dari total n titik obyek dan m buah foto. Persamaan (2.48) dapat ditulis

dengan notasi sebagai :

...............(2.31)

Persamaan ini merupakan pengembangan dari persamaan kolinier dan setiap

elemen didalamnya didefinisikan sebagai :



22

.............(2.32)

Dimana dan adalah sub-matrik dari matrik blok-diagonal, dimana blok

merujuk pada parameter EO and mengacu pada koordinat titik-titik obyek

seperti yang tersaji pada Rumus (2.33).

..............(2.33)

Dimana :

...............................................(2.34)

Persamaan (2.33) adalah teknik Bundle adjustment untuk mendapatkan nilai

parameter EO dan koordinat titik obyek didalam sistem kartesian 3D. Jika titik-

titik obyek ini hendak dihitung dengan tingkat kekurasian yang lebih tinggi lagi,

maka maka kesalahan sistematis didalam kamera harus dimodelkan.



23

II.9 Absolute Orientation / Transformasi Koordinat 3D

Absolute orientasi merupakan proses menstabilkan hubungan antara sistem

koordinat foto dan objek. Terdapat 7 parameter yang dicari yaitu: faktor skala (s),

tiga sudut rotasi omega (ω), phi (φ), kappa (к), dan tiga faktor penterjemahan TX,

TY dan TZ. Untuk melakukan proses absolute orientasi minimal diperlukan 3

koordinat 3D titik kontrol, tetapi agar diperoleh parameter unknown lebih baik

nilainya maka dalam metode penyelesaian least square diperlukan koordinat titik

objek lebih dari minimal data koordinat titik objek yang diperlukan.

Parameter absolute orientasi unknown akan diperoleh nilainya dengan

menghubungkan titik-titik kontrol pada sistem koordinat foto ke dalam sistem

koordinat object 3D di permukaan tanah. Pada skala akan diperoleh dua

koordinat titik kontrol horizontal (XY), koordinat elevasi (Z) diperoleh dari

informasi pada pengukuran leveling dan proses penterjemahan dilakukan

disepanjang sumbu X dan Y, sedangkan omega (ω), phi(φ), dan kappa (к) akan

mengelilingi sumbu xyz. Hubungan antara perputaran sudut rotasi dan sistem

koordinat 3D XYZ, dapat dilihat pada gambar dibawah ini:

Gambar 2.7 Sistem koordinat 3D XYZ

Nilai koordinat XYZ akan bernilai positif jika posisinya seperti yang

ditunjukkan pada gambar (2.7), dan untuk nilai sudut rotasi ω, φ, к akan bernilai

positif jika arah perputarannya berlawanan dengan arah jarum jam yang diamati

dari ujung sumbu positif.

II.10 Model 3 Dimensi

3D atau 3 Dimensi adalah sebuah objek / ruang yang memiliki panjang, lebar

dan tinggi yang memiliki bentuk. 3D tidak hanya digunakan dalam matematika

ω

z z’ y y’

x’

x

Y

X

Z

Tx

Ty

Tz



24

dan fisika saja melainkan dibidang grafis, seni, animasi, komputer danlain-lain.

Konsep tiga dimensi atau 3D menunjukkan sebuah objek atau ruang memiliki tiga

dimensi geometris yang terdiri dari: kedalaman, lebar dan tinggi. Contoh tiga

dimensi suatu objek / benda adalah bola, piramida atau benda spasial seperti kotak

sepatu. Istilah "3D" juga (dan salah) yang digunakan (terutama bahasa Inggris)

untuk menunjukkan representasi dalam grafis komputer (digital), dengan cara

menghilangkan gambar stererscopic atau gambar lain dalam pemberian bantuan,

dan bahkan efek stereo sederhana, yang secara konstruksi membuat efek 2D

(dalam perhitungan proyeksi perspektif, shading)

Karakteristik 3D Mengacu pada tiga dimensi spasial, bahwa 3D menunjukkan

suatu titik koordinat Cartesian X, Y dan Z. Penggunaan istilah 3D ini dapat

digunakan di berbagai bidang dan sering dikaitkan dengan hal-hal lain seperti

spesifikasi kualitatif tambahan (misalnya: grafis tiga dimensi, 3D video, film 3D,

kacamata 3D,suara 3D). Istilah ini biasanya digunakan untuk menunjukkan

relevansi jangka waktu tiga dimensi suatu objek, dengan gerakan perspektif untuk

menjelaskan sebuah "kedalaman" dari gambar, suara, atau pengalaman taktil.

Ketidakjelasan istilah ini menentukan penggunaannya dalam beberapa kasus yang

tidak jelas juga yaitu penggunaannya tidak hanya pada contoh - contoh diatas

melainkan ( sering dalam iklan dan media ).

II.11 Point Mesh

Point Mesh adalah kumpulan dari titik-titik yang sudah tergeorefensi (point

cloud) membentuk sebuah jaring. Setiap point cloud memiliki koordinat x,y,z

yang biasanya menjadi wakil dari permukaan ekternal dari suatu objek. Point

mesh biasanya dihasilkan dari scanner 3D yang dapat mengukur secara otomatis

sejumlah titik-titik pada permukaan suatu benda. Setelah menjadi bentuk point

mesh maka dapat digunakan untuk merekonstruksi model suatu objek secara 3

dimensi dengan beberapa pendekatan seperti Delaunay Triangulation, Alpha

shapes dan lain-lain. Ekstraksi data point dapat dilakukan dengan cara feature

based maupun area based. Feature based dilakukan berdasarkan karakteristik

sudut, titik atau garis dari suatu objek. Sedangkan Area based berdasarkan luasan,

dan jumlah pixel (Photomodeler.com, 2013).



25

BAB III

PELAKSANAAN PRAKTIKUM

Bab pelaksanaan praktikum ini membahas dan menjelaskan bagaimana

mendapatkan data koordinat objek space dengan melakukan proses kalibrasi

kamera, ekstraksi data foto, relative orientation, intersection, resection, bundle

adjustment, dan absolute oreintation dengan Software Australis dan Software

PhotoModeler 6.

III.1 Proses dengan Software Australis

Sebelum melakukan praktikum pastikan data foto yang akan diproses telah

tersedia di dalam folder dan software yang digunakan telah di instal pada laptop

atau PC yang akan digunakan. Berikut adalah langkah - langkah yang dilakukan

pada saat praktikum :

1) Buka program Australis, dengan cara mengklik icon yang ada pada

dekstop, sehingga akan muncul tampil awal dari aplikasi Australis.

Gambar 3.1 Tampilan membuka software Australis

2) Untuk membuat project baru klik menu File > New. Kemudian akan muncul

jendela Define Project Units > pilih millimetres > OK.

Gambar 3.2 Tampilan cara membuat project baru

26

3) Sebelum melakukan pengolahan foto, terlebih dahulu melakukan setting

terhadap nilai parameter keluaran yang dibutuhkan, dengan cara klik menu

Project > Preference > lalu muncul jendela Australis Preference > klik tab

Output, berikan tanda centang pada tiap pilihan Bundle Adjustment Output >

OK.

Gambar 3.3 Tampilan mengatur parameter keluaran hasil Bundle Adjustment

4) Sebelum melakukan proses selanjutnya terlebih dahulu save project dengan

nama default.

Gambar 3.4 Tampilan save project

5) Langkah berikutnya adalah melakukan kalibrasi kamera.

27

3.1.1 Input data hasil Kalibrasi Kamera

1) Untuk melakukan input data hasil kalibrasi kamera dengan mengklik kanan

pada Camera Database > klik Add Camera to Database, maka akan muncul

jendela Camera Input.

Gambar 3.5 Tampilan menambah database kamera

2) Kemudian inputkan database kamera pada jendela Camera Input > lalu klik

OK > maka Camera Database akan bertambah. Isikan semua parameter yang

ada pada jendela Camera Input sesuai dengan data hasil kalibrasi kamera.

Gambar 3.6 Tampilan database kamera telah ditambahkan

3) Selanjutnya Klik Nikkon D60 pada Camera Database >Drag ke project 1.

Gambar 3.7 Tampilan database kamera di input pada project 1

4) Langkah selanjunya adalah melakukan ekstraksi data koordinat foto.

28

3.1.2 Ekstraksi Data Koordinat Foto

1) Untuk melakukan ekstraksi terlebih dahulu inputkan foto, dengan cara klik

kanan pada Nikkon D60 di Project 1.aus > pilih Set Image File Directory >

open. Maka seluruh foto akan masuk ke dalam Nikkon D60.

Gambar 3.8 Gambar yang akan diekstraksi

2) Double klik pada image001untuk mengaktifkan foto, lalu klik icon measure

> kemudian arahkan pointer ke tengah - tengah sticker retro-target > klik

target > muncul tanda menandakan target telah ditandai, untuk menghapus

klik icon . Lakukan langkah yang sama untuk semua titik sticker retro-

target dan foto secara konstan. Berikut adalah hasil marking semua titik

sticker retro-target.

Gambar 3.9 Hasil ekstraksi data koordinat foto pada titik sticker retro-target

3) Selanjutnya adalah melakukan proses Relative Orientation.

29

3.1.3 Relative Orientation

1) Selanjutnya proses untuk mengorientasikan data foto satu terhadap foto yang

lainnya, dengan cara klik klik menu Adjust > Relative Orientation > akan

muncul jendela Relative Orientation.

Gambar 3.10 Proses Relative Orientation

2) Pada jendela Relative Orientation > set Left Image dengan image001 > set

Right Image dengan image002 > klik Compute RO > apabila nilai Measured

Points memiliki nilai kurang dari sama dengan 1.00 klik Accept > jika tidak,

ulangi dengan konfigurasi foto dan titik yang lain.

Gambar 3.11 Hasil proses Relative Orientation, nilai Measured Points kurang dari 1.00

30

3) Setelah proses Relative Orientasi sukses dilakukan maka hasilnya berupa

koordinat 2 dimensi (x,y).

Gambar 3.12 Hasil proses Relative Orientation berupa koordinat 2 dimensi (x,y)

4) Selanjutnya adalah melakukan proses Resection.

3.1.4 Resection

1) Untuk melakukan proses Resection, dengan cara klik menu Adjust > Resect All

Project Image kemudian akan muncul jendela Resection Summary, jika nilai

RMS (Root Mean Squared) di bawah 1.00 > klik OK.

Gambar 3.13 Proses Resection

2) Hasil output Resection berupa file berformat *.txt, hasil terlampir.

Gambar 3.14 Hasil output Resection

3) Selanjutnya adalah melakukan proses Intersection/Triangulate.

31

3.1.5 Intersection

1) Proses Intersection dilakukan untuk mendapatkan koordinat objek 3 dimensi,

dengan cara klik menu Adjust > Triangulate kemudian akan muncul jendela

Triangulate > klik intersect. > apabila RMS (Root Mean Squared) di bawah

1.00 > klik Accept.

Gambar 3.15 Proses Intersection

2) Apabila RMS (Root Mean Squared) di bawah 1.00 > klik Accept.

Gambar 3.16 Hasil Intersect nilai RMS dibawah 1.00

3) Selanjutnya adalah melakukan proses Bundle Adjusment.

3.1.6 Bundle Adjusment

1) Proses terakhir merupakan proses Bundle Adjustment, proses ini merupakan proses

perataan secara keseluruhan untuk seluruh parameter Kamera, parameter Eksterior

Orientasi, parameter koordinat 3 dimensi secara bersama-sama.

2) Untuk melakukan proses Bundle Adjustment, dengan cara klik Adjust > Run

Bundle > Go.

32

Gambar 3.17 Proses Run Bundle

3) Apabila menunjukkan tanda hijau maka klik Accept > sebaliknya apabila tanda

merah Reject.

Gambar 3.18 Hasil Run Bundle menunjukkan tanda hijau

4) Setelah proses ini selesai dilakukan, maka akan muncul sebuah file Bundle

pada folder 3D Data

Gambar 3.19 Hasil Run Bundle

33

Dari keseluruhan hasil proses dengan Software Australis ini menghasilkan

report sebagai berikut :

Gambar 3.20 Hasil report software Australis

III.2 Proses dengan Software Photomodeler Scanner

3.2.1 Proses Kalibarsi Kamera

1) Buka program Photomodeler Scanner, dengan cara mengklik icon yang

ada pada dekstop, sehingga akan muncul tampil awal dari aplikasi

Photomodeler Scanner.

Gambar 3.21 Tampilan membuka software Photomodeler Scanner

2) Kemudian klik Camera Calibration project > kemudian akan muncul jendela

New Project Wizard.

Gambar 3.22 Tampilan kotak dialog New Project Wizard

34

3) Kemudian masukkan foto yang digunakan untuk kalibrasi, dengan cara pilih

folder tempat penyimpanan foto > klik All > kemudian klik Next.

Gambar 3.23 Tampilan kotak dialog New Project Wizard

4) Kemudian akan muncul jendela Automatic Camera Calibration > klik Execute

Calibration > maka proses kalibrasi berjalan secara otomatis.

Gambar 3.24 Proses kalibrasi kamera

5) Setelah proses selesai, save hasil kalibrasi dengan cara klik Show Report > klik

Write to text file > save dengan nama kalibrasi.

Gambar 3.25 Hasil report kalibrasi kamera

35

6) Klik Close pada jendela Project Status Report > lalu klik Close pada jendela

Automatic Camera Calibration > akan muncul jendela Add Camera To Library

> klik No-Cencel. Kemudian Save project dengan nama kalibrasi.

Gambar 3.26 Jendela Add Camera To Library

7) Selanjutnya adalah melakukan proses Idealize.

3.2.2 Proses Idealize

1) Untuk melakukan proses Idealize, dengan cara klik menu File > Getting

Started > klik Points-based project. Akan muncul jendela New Wizard

Project.

Gambar 3.27 Tampilan jendela New Wizard Project

2) Pilih foto yang akan dijadikan project, dengan cara pilih folder tempat

penyimpanan foto > klik All > kemudian klik Next.

36

3) Akan muncul jendela New Wizard Project pilih file hasil kalibrasi kamera >

klik Next.

Gambar 3.28 Memanggil pengaturan kalibrasi kamera

4) Maka akan muncul foto yang akan diproses, lalu double klik untuk semua foto

sehinggi view dari kedua foto menjadi besar.

Gambar 3.29 Tampilan image yang akan diproses

5) Kemudian Klik menu Project > pilih Idealize Project > Number of image to

resample in paraller diisikan 25 > All Photo > lalu pilih Execute > tunggu

hingga proses Idealize selesai dilakukan.

Gambar 3.30 Tampilan proses Idealize

6) Setelah proses Idealize selesai dilakukan, simpan Project Idealize dengan nama

Idealize, dengan cara klik menu File > Save Project As > pilih folder hasil >

beri nama > Save.

37

7) Setelah selesai menyimpan. Double klik untuk semua foto sehinggi view dari

kedua foto menjadi besar, kemudian melakukan tracking dengan cara klik

menu Marking > Automatic Target Marking > lalu pada Region pilih A specific

region > pada Target that are Coded pilih All.

Gambar 3.31 Tampilan proses Automatic Target Marking

8) Lalu klik Pick Region > select fiducial mark pada foto > kemudian klik Mark

Point.

Gambar 3.32 Tampilan proses Marking

9) Lakukan langkah yang sama untuk setiap titik fiducial mark dan untuk semua

foto.

Gambar 3.33 Foto selesai dimarking

38

10) Kemudian klik icon Procces pada toolbar, lalu akan muncul jendela

Processing > klik Procces > akan muncul jendela Orientation Problems klik

Procced.

Gambar 3.34 Tampilan saat melakukan Procces

11) Setelah selesai Prosessing simpan hasil Report dengan nama markpoint,

dengan cara klik Show Report > pilih Write to text file > beri nama markpoint >

Save.


12) Kemudian klik icon Scale/Rotate pada toolbar, lalu akan muncul jendela

3D Scale and Rotation > Project units pilih millimeters dan Distance isi 151.


39

13) Kemudian arahkan crusor ketitik > klik titik hingga menjadi merah > tekan

tombol Shift pada keyboard > Klik ujung titik satunya, seperti pada gambar di

bawah ini.

Gambar 3.37 Tampilan saat melakukan Scale and Rotation

14) Kemudian klik Define > maka tanda S berubah menjadi tanda | menandakan

proses define telah berhasil dilaksanakan.

Gambar 3.38 Tampilan poses Define

15) Selanjutnya adalah melakukan proses Trim.

3.2.3 Proses Trim

1) Untuk melakukan proses Trim, dengan cara klik icon DSM Trim Mode >

Trim pada area telapak sepatu > akhiri dengan klik kanan pilih Finish Trim.

Gambar 3.39 Tampilan poses Trim

40

2) Lalu klik icon Select Item Mode > lalu klik icon Properties .

3) Kemudian Save Project As dengan nama Trim.

Gambar 3.40 Tampilan Save Project As untuk proses Trim

4) Selanjutnya adalah melakukan proses Trim.

3.2.4 Proses Danse Surface

1) Untuk melakukan proses Danse Surface, dengan cara klik menu Danse Surface

> Create Danse Surface

Gambar 3.41 Tampilan Save Project As untuk proses Trim

2) Pada Sampling rate isi 1, kemudian klik Execute tunggu proses hingga selesai

> klik close.

Gambar 3.42 Tampilan proses Danse Surface

41

3) Kemudian klik menu View >Open 3D View > akan muncul jendela 3D View

Option > isi sesuai pada gambar di bawah ini lalu klik OK.

Gambar 3.43 Tampilan proses pengaturan tampilan 3D footprint

4) Setelah melalui proses di atas, maka hasil akhirnya berupa tampilan 3D objek

dengan tampilan sesuai dengan luasan yang ditrim. Langkah terakhir adalah

menyimpan project ini dengan nama Footprint.

Gambar 3.44 Hasil akhir berupa tampilan 3D footprint dan posisi kamera saat pemotretan

42

BAB IV

HASIL DAN PEMBAHASAN

Pada bab ini akan membahas hasil dari praktikum yang telah dilakukan

dengan menggunakan Software Australis dan Photomodeler Scanner, dari porses

yang telah dilakukan hasil berupa report. Adapun hasil report adalah sebagai berikut.

IV.1 Proses Software Australis

Dari keseluruhan hasil proses dengan Software Australis ini menghasilkan

report sebagai berikut :

Gambar 4.1 Hasil report software Australis

4.2.1 Resection

Proses resection menghasilkan 6 parameter EO yaitu X, Y, Z, ω (omega), ψ

(phi), κ (kappa). Pada proses resection juga menghasilkan nilai residu pada

masing-masing image dan nilai RMS. Hasil report lengkap bisa dilihat di

lampiran.

Gambar 4.2 Hasil Report proses Resection

43

Nilai parameter EO yang didapat sudah masuk ke dalam toleransi karena

mempunyai kesalahan yang kecil dan masing-masing image memiliki nilai RMS

dibawah 1 sehingga memenuhi kriteria untuk dilakukan proses lebih lanjut yaitu

proses Intersection dan Bundle Adjustment.

4.2.2 Intersection

Proses ini akan menentukan koordinat titik-titik centroid (X, Y, Z) yang

terdapat pada daerah pertampalan dari dua buah foto yang telah diketahui

parameter interior dan parameter eksteriornya. Proses intersection menghasilkan

nilai RMS, standar error dan koordinat x,y dan z untuk masing-masing centroid.

Apabila dilihat dari tingkat kesalahan pada tiap koordinat masing - masing

sangat kecil, ini terlihat dari nilai residu yang ada yaitu sebesar 0.5, maka

dengan kata lain nilai hasil intersection ini bisa digunakan untuk proses

selanjutnya.

Hasil report lengkap bisa dilihat di lampiran.

Gambar 4.3 Hasil Report proses Intersection

44

4.2.3 Bundle Adjustment

Setiap proses pengukuran tidak lepas dari adanya kesalahan. Maka untuk

memperkecil kesalahan residu maka dilakukan proses Bundle Adjustment.

Untuk hasil report lengkap dari proses bundle adjustment dapat dilihat di

lampiran.

Tabel 4.1 Hasil Bundle Adjustment, Image Coordinate Residuals

Foto RMS of Image Residuals

points x y xy

Image001 0.32 0.28 0.30 50 Image003 0.26 0.20 0.23 50 Image004 0.35 0.27 0.31 50 Image002 0.25 0.26 0.26 50 Image005 0.21 0.22 0.22 50 Image006 0.35 0.35 0.35 50

Tabel 4.2 Hasil nalai Residuals Total Bundle Adjustment

Total Residuals (RMS) error Sigma0

DegreesOf

FreedomObservations Parameter Constraints

x y xy 0.29 0.27 0.28 0.681 441 600 196 7

Dari hasil proses Bundle Adjustment diatas dapat dianalisa bahwa nilai RMS

total dari setiap foto kecil karena telah diminimalisir dan didistribusikan merata

memalui proses Bundle Adjustment, dengan kata lain semua rangkaian proses

telah memenuhi standart persyaratan.

IV.2 Proses Software Photomodeler Scanner

Dari keseluruhan hasil proses dengan Software Photomodeler Scanner ini

menghasilkan report dari proses kalibrasi kamera, dimana hasil report tersebut

berisi parameter xo, yo, dan fokus (c), parameter distorsi radial (K1, K2, K3),

parameter distorsi decentring (P1, P2), dan parameter distorsi affinity (b1, b2).

Untuk hasil report lengkap dari proses dengan Software Photomodeler Scanner

dapat dilihat di lampiran.

45

Selain hasil report, output lain yang dihasil dari proses dengan Software

Photomodeler Scanner yaitu tampilan 3 dimensi dari foto yang di proses, seperti

pada gambar dibawah ini.

Gambar 4.3 Hasil output berupa 3 dimensi,

sebelah kiri tampak dari bawah dan sebelah kanan tampak dari atas

46

BAB V

PENUTUP

V.1 Kesimpulan

Berdasarkan seluruh proses dari praktikum yang telah diuraikan pada bab-bab

sebelumnya, dapat ditarik kesimpulan sebagai berikut :

1. Hasil dari proses menggunakan software Australis dan Photomodeler

Scanner diperoleh hasil yang memenuhi persyaratan yang telah ditentukan,

maka pemahaman terhadap konsep tentang mata kuliah Metrik Fotografi

telah dicapai.

2. Dengan melakukan langkah - langkah secara benar dan memecahkan

masalah yang di hadapi dapat meningkatkan keterampilan dalam proses

pengambilan data foto.

3. Dengan melakukan proses kalibrasi kamera, ekstraksi data foto, relative

orientation, intersection, resection, bundle adjustment, dan absolute

oreintation dengan Software Australis dan Software PhotoModeler 6

memberikan pemahaman penuh terhadap masing - masing proses yang

dilakukan.

V.2 Saran

Untuk mendapatkan pemahaman yang lebih baik perlu mempelajari dasar teori

dengan baik sehingga memudahkan kendala - kendala yang dihadapi pada saat

praktikum.

Agar tujuan dari praktikum tercapai dengan baik dukungan software dan

fasilitas dan modul - modul menjadi penentu berhasil tidaknya praktikum yang

dilaksanakan.

47

DAFTAR PUSTAKA

Ahmad, K, 2008, Pemetaan Persil dengan Menggunakan Quadcopter, Skripsi.

Yogyakarta.

Atkinson, K.B. 2001. Close Range Photogrammetry and Mechine Vision, Whittles,

Publishing.

Dorsel, C., Jacobsen, K. and Stallmann, D., 2004. DMC - Photogrammetric

Accuracy- Calibration Aspect And Generation Of Synthetic DMC Images,

University of Hannover, Germany.

Mikhail, J. S. Bethel, et al, 2001. Introduction To Modern Photogrammetry. New

York, John Wiley & Sons, Inc.

Photomodeler.com,. 2013. Tips for improving PointMesh results in Photomodeler

Scanner. Knowledgebase, Publisher.

Prijono, P., 2002. Pengindraan Jauh, Gajah Mada University Press, Yogyakarta.

Tjahjadi, E,. 2013. Metrik Fotografi, Handout materi kuliah, Institut Teknologi

Nasional. Malang.

Wang, X and Claker, T.A. Sparate Adjustment of Close Range Photogrammetric

Measurements. Optical Metrology Center City University, London.

Wolf, P., R., 1993. Elemen Fotogrametri, Gajah Mada University Press, Yogyakarta.

Wolf, P., R. and Dewitt, B.A,. 2000. Elemen of Fotogrametri with Application in

GIS, Mc Graw Hill, New York.

Resection - Copy Australis Resection Results

01 December, 2013 16:20:49

Results for Image001

Station Final ComputedVariable Value Standard Error

X 1.9779 0.0000E+000 Y 0.2373 0.0000E+000 Z -2.6092 0.0000E+000 AZ -0.0525 0.0000E+000 EL 0.1930 0.0000E+000 ROLL 87.9314 0.0000E+000

Resected residuals for Image001

RMS 0.0 0.3Total RMS 0.2

////////////////////////////////////////////////////////////////////////////////



X 0.0002 4.6723E-002 Y -0.0002 5.0599E-003 Z -0.0001 3.1805E-002 AZ 0.0000 1.0927E-002 EL 0.0000 7.4826E-003 ROLL 0.0000 1.9606E-003



////////////////////////////////////////////////////////////////////////////////


Page 1



Resection - Copy Station Final ComputedVariable Value Standard Error

X 91.9913 0.0000E+000 Y 358.6805 0.0000E+000 Z -725.4947 0.0000E+000 AZ 15.2959 0.0000E+000 EL 65.4246 0.0000E+000 ROLL 118.5557 0.0000E+000



////////////////////////////////////////////////////////////////////////////////



X 231.3377 0.0000E+000 Y 765.9592 0.0000E+000 Z -627.5657 0.0000E+000 AZ 111.7496 0.0000E+000 EL 66.1351 0.0000E+000 ROLL -50.5251 0.0000E+000



////////////////////////////////////////////////////////////////////////////////



X 230.6991 2.0064E-002 Y 753.8467 5.8080E-002 Z -615.2179 5.3540E-003 AZ 111.0691 3.3497E-002

Page 2



Resection - Copy EL 68.0313 5.6093E-003 ROLL -143.6695 3.2827E-003



////////////////////////////////////////////////////////////////////////////////



X 13.6372 0.0000E+000 Y 63.5544 0.0000E+000 Z -443.3980 0.0000E+000 AZ 5.6949 0.0000E+000 EL 35.7643 0.0000E+000 ROLL -163.1823 0.0000E+000



////////////////////////////////////////////////////////////////////////////////

Page 3



Triangulate - Copy Australis Triangulation Results

01 December, 2013 17:32:33

Quick Summary Project: D:\KULIAH\METRIKFOTO\PRAKTEK\18112013_praktek 1\Hasil\Project 1.aus Number of Points: 50 Number of Images: 6

Stations Used

FileName X Y Z Azimuth Elevation RollDSC_0001.tif 1.9779 0.2373 -2.6092 -0.0525 0.1930 87.9314DSC_0002.tif 0.0002 -0.0002 -0.0001 0.0000 0.0000 0.0000DSC_0003.tif 91.9913 358.6805 -725.4947 15.2959 65.4246 118.5557DSC_0004.tif 231.3377 765.9592 -627.5657 111.7496 66.1351 -50.5251DSC_0005.tif 230.6991 753.8467 -615.2179 111.0691 68.0313 -143.6695DSC_0006.tif 13.6372 63.5544 -443.3980 5.6949 35.7643 -163.1823

Summary of Residuals

Station Station Residuals Number of Filename # X Y Total Points DSC_0001.tif 1 0.32 0.30 0.31 50 DSC_0002.tif 2 0.30 0.22 0.26 50 DSC_0003.tif 3 0.38 0.24 0.32 50 DSC_0004.tif 4 0.25 0.27 0.26 50 DSC_0005.tif 5 0.22 0.23 0.22 50 DSC_0006.tif 6 0.45 0.38 0.41 50

Total Residuals X Y Total 0.33 0.28 0.30

Sightings Point Coordinates Standard Errors # List 1111111111222222222233333333334 Label X Y Z X Y Z RMS Rays 1234567890123456789012345678901234567890

Page 1



Triangulate - Copy 1 -87.9596 547.5324 64.8634 0.0015 0.0018 0.0017 0.5 6 YYYYYY 2 -81.4332 571.2025 47.1868 0.0011 0.0014 0.0013 0.3 6 YYYYYY 3 -73.9926 594.7065 29.6991 0.0009 0.0011 0.0011 0.3 6 YYYYYY 4 -66.0068 620.7828 10.4117 0.0010 0.0012 0.0012 0.3 6 YYYYYY 5 -59.4726 643.1373 -6.2395 0.0012 0.0014 0.0014 0.4 6 YYYYYY 6 -51.2025 671.0845 -26.9177 0.0009 0.0011 0.0011 0.3 6 YYYYYY 7 -44.4816 694.8710 -44.5652 0.0008 0.0009 0.0009 0.2 6 YYYYYY 8 -36.0534 720.5249 -63.6341 0.0011 0.0012 0.0013 0.3 6 YYYYYY 9 -30.2720 746.8990 -82.9740 0.0008 0.0009 0.0010 0.3 6 YYYYYY 10 -24.8056 764.4953 -96.1908 0.0012 0.0013 0.0014 0.3 6 YYYYYY 11 -46.3468 631.6385 -1.0702 0.0010 0.0012 0.0012 0.3 6 YYYYYY 12 -35.6577 653.1005 -18.2083 0.0009 0.0011 0.0011 0.3 6 YYYYYY 13 -28.3258 666.0147 -28.6036 0.0010 0.0012 0.0012 0.3 6 YYYYYY 14 -25.4199 702.4636 -53.7222 0.0006 0.0007 0.0007 0.2 6 YYYYYY 15 -61.2804 538.0086 63.6807 0.0007 0.0009 0.0008 0.2 6 YYYYYY 16 -52.9549 560.9077 46.7996 0.0009 0.0011 0.0011 0.3 6 YYYYYY 17 -39.6632 582.6059 29.1163 0.0008 0.0010 0.0009 0.2 6 YYYYYY 18 -26.0755 609.2375 8.1474 0.0009 0.0010 0.0010 0.3 6 YYYYYY 19 -17.6341 631.3501 -8.3793 0.0015 0.0017 0.0017 0.4 6 YYYYYY 20 -5.6028 661.0481 -31.3588 0.0011 0.0012 0.0013 0.3 6 YYYYYY 21 -0.5433 683.2494 -48.0313 0.0011 0.0012 0.0013 0.3 6 YYYYYY 22 -2.0262 711.1688 -66.0592 0.0004 0.0005 0.0005 0.1 6 YYYYYY 23 0.2962 736.0309 -83.2710 0.0008 0.0009 0.0010 0.3 6 YYYYYY 24 3.8260 754.6223 -96.8371 0.0011 0.0012 0.0013 0.3 6 YYYYYY 25 -37.7112 531.7379 61.2369 0.0017 0.0020 0.0019

Page 2



Triangulate - Copy0.5 6 YYYYYY 26 -31.3845 553.2304 45.7617 0.0008 0.0010 0.0009 0.2 6 YYYYYY 27 -21.7635 574.8155 28.8983 0.0006 0.0007 0.0007 0.2 6 YYYYYY 28 -8.7971 603.3570 6.6799 0.0010 0.0011 0.0011 0.3 6 YYYYYY 29 -1.8252 625.9397 -9.3546 0.0010 0.0012 0.0011 0.3 6 YYYYYY 30 11.5545 656.5794 -33.3085 0.0005 0.0006 0.0006 0.2 6 YYYYYY 31 18.3188 677.1116 -49.7653 0.0012 0.0014 0.0014 0.4 6 YYYYYY 32 18.2013 704.9025 -67.7909 0.0007 0.0008 0.0008 0.2 6 YYYYYY 33 21.1770 730.2734 -85.0676 0.0006 0.0007 0.0008 0.2 6 YYYYYY 34 20.7634 749.8811 -98.3258 0.0009 0.0010 0.0011 0.3 6 YYYYYY 35 -14.7556 525.8874 58.8706 0.0014 0.0017 0.0016 0.4 6 YYYYYY 36 -9.1781 545.6730 44.5784 0.0010 0.0013 0.0012 0.3 6 YYYYYY 37 -2.2862 566.8764 28.5671 0.0008 0.0010 0.0009 0.2 6 YYYYYY 38 8.5117 597.6631 5.7095 0.0008 0.0009 0.0009 0.2 6 YYYYYY 39 16.0622 620.0674 -10.6456 0.0006 0.0007 0.0007 0.2 6 YYYYYY 40 26.3799 653.5289 -35.5596 0.0006 0.0007 0.0007 0.2 6 YYYYYY 41 33.8784 671.8035 -50.4188 0.0013 0.0014 0.0015 0.4 6 YYYYYY 42 36.5699 698.9193 -68.7647 0.0014 0.0016 0.0017 0.4 6 YYYYYY 43 41.7876 724.3974 -86.8967 0.0010 0.0012 0.0013 0.3 6 YYYYYY 44 42.7614 742.3088 -99.6327 0.0009 0.0010 0.0010 0.3 6 YYYYYY 45 18.7173 563.2275 24.9482 0.0010 0.0012 0.0011 0.3 6 YYYYYY 46 32.4009 589.2860 4.0198 0.0011 0.0013 0.0013 0.3 6 YYYYYY 47 39.7439 611.7795 -12.6239 0.0007 0.0009 0.0009 0.2 6 YYYYYY 48 47.5350 646.8851 -37.6734 0.0008 0.0010 0.0010 0.3 6 YYYYYY 49 53.2977 665.5120 -51.7078 0.0009 0.0010 0.0010 0.3 6 YYYYYY

Page 3



Triangulate - Copy 50 56.4195 691.9030 -69.6526 0.0013 0.0015 0.0016 0.4 6 YYYYYY

X Y Z

RMS is 0.0010 0.0012 0.0012

Minimum is 0.0004 0.0005 0.0005 at point 22 22 22

Maximum is 0.0017 0.0020 0.0019 at point 25 25 25

Page 4



Bundle - Copy Australis Bundle Adjustment Results File: Bundle.txt

01 December, 2013 17:53:12

Quick Summary Project: D:\KULIAH\METRIKFOTO\PRAKTEK\18112013_praktek 1\Hasil\Project 1.aus Adjustment: Free Network Simulated Network: No Folding Method: Standard Scaling: N/A Units: mm Number of Points: 50 Number of Images: 6Number of Scale Bars: 0Number of Iterations: 3 Elapsed CPU Time: 0.046 seconds

Adjusted Exterior Orientation Parameters (angles are decimal degrees, XYZ are mm)

Results for Station Image001 FileName DSC_0001.tif Camera Nikkon D60 Lens Nikkor

Station Initial Total Final Initial Final Variable Value Adjustment Value Standard Error Standard Error

X 1.9779 -0.0563 1.9217 1.0000E+003 2.0579E-001 Y 0.2373 0.0643 0.3016 1.0000E+003 3.9666E-001 Z -2.6092 -0.2660 -2.8751 1.0000E+003 2.6640E-001 AZ -0.0525 0.0019 -0.0505 1.0000E+003 1.0312E+000 EL 0.1930 -0.0262 0.1669 1.0000E+003 1.0658E+000 ROLL 87.9314 -0.0131 87.9184 1.0000E+003 5.6948E-001

Image Rotation Angles in Omega, Phi, Kappa System

Omega 90.1669Phi -0.0505Kappa 87.9185

Image Rotation Matrix

Page 1



Bundle - Copy

0.036321 -0.002943 0.999336 -0.999340 0.000776 0.036323 -0.000882 -0.999995 -0.002912



X 0.0002 0.0704 0.0706 1.0000E+003 2.6056E-001 Y -0.0002 0.2103 0.2101 1.0000E+003 3.8480E-001 Z -0.0001 -0.1135 -0.1136 1.0000E+003 2.4709E-001 AZ 0.0000 0.0572 0.0572 1.0000E+003 1.0946E+000 EL 0.0000 0.0162 0.0162 1.0000E+003 1.0424E+000 ROLL 0.0000 -0.0085 -0.0085 1.0000E+003 4.3225E-001


Omega 90.0162Phi 0.0572Kappa -0.0085


0.999999 0.000998 -0.000148 0.000149 -0.000283 1.000000 0.000998 -0.999999 -0.000283



X 91.9913 1.1202 93.1114 1.0000E+003 5.3973E-001 Y 358.6805 0.0340 358.7145 1.0000E+003 4.2073E-001 Z -725.4947 0.7435 -724.7512 1.0000E+003 5.2433E-001 AZ 15.2959 0.1507 15.4467 1.0000E+003 1.9325E+000 EL 65.4246 -0.0891 65.3355 1.0000E+003 1.2129E+000 ROLL 118.5557 0.1165 118.6722 1.0000E+003 1.7862E+000

Page 2



Bundle - Copy


Omega 156.1253Phi 6.3813Kappa 104.5760


-0.250105 -0.896322 0.366134 -0.961818 0.186593 -0.200222 0.111145 -0.402230 -0.908767



X 231.3377 -0.0790 231.2587 1.0000E+003 2.3751E-001 Y 765.9592 -0.0760 765.8832 1.0000E+003 2.9604E-001 Z -627.5657 0.2771 -627.2887 1.0000E+003 4.1142E-001 AZ 111.7496 0.0599 111.8095 1.0000E+003 1.6687E+000 EL 66.1351 0.0414 66.1764 1.0000E+003 1.0376E+000 ROLL -50.5251 0.0464 -50.4787 1.0000E+003 1.6128E+000


Omega -170.6840Phi 22.0250Kappa -164.1051


-0.891576 0.328648 -0.311580 0.253887 0.932454 0.257041 0.375011 0.150066 -0.914794


Station Initial Total Final Initial Final Variable Value Adjustment Value Standard Error Standard

Page 3



Bundle - CopyError

X 230.6991 0.1316 230.8307 1.0000E+003 2.7278E-001 Y 753.8467 -0.2286 753.6181 1.0000E+003 2.9169E-001 Z -615.2179 0.3388 -614.8791 1.0000E+003 4.0141E-001 AZ 111.0691 -0.1833 110.8858 1.0000E+003 1.7020E+000 EL 68.0313 0.0106 68.0419 1.0000E+003 1.0183E+000 ROLL -143.6695 -0.1938 -143.8634 1.0000E+003 1.6676E+000


Omega -171.8206Phi 20.4481Kappa 103.7732


-0.223077 -0.949532 -0.220511 -0.910047 0.283932 -0.301990 0.349359 0.133308 -0.927458



X 13.6372 0.0628 13.7000 1.0000E+003 5.1086E-001 Y 63.5544 0.3411 63.8955 1.0000E+003 4.8337E-001 Z -443.3980 0.0261 -443.3719 1.0000E+003 4.1937E-001 AZ 5.6949 -0.0521 5.6428 1.0000E+003 1.2617E+000 EL 35.7643 0.0231 35.7874 1.0000E+003 1.0501E+000 ROLL -163.1823 -0.0402 -163.2225 1.0000E+003 1.0272E+000


Omega 125.9195Phi 4.5749Kappa -166.5293


-0.969391 0.073841 -0.234155

Page 4



Bundle - Copy 0.232205 0.585557 -0.776662 0.079762 -0.807261 -0.584780

Summary of Image Coordinate Residuals (units are micrometres)

Sta RMS of Image Residuals Number of non-rejected # x y xy pointsImage001 0.32 0.28 0.30 50Image002 0.26 0.20 0.23 50Image003 0.35 0.27 0.31 50Image004 0.25 0.26 0.26 50Image005 0.21 0.22 0.22 50Image006 0.35 0.35 0.35 50

Total Residuals (RMS) Degrees of x y xy Sigma0 Freedom Observations Parameters Constraints 0.29 0.27 0.28 0.681 411 600 196 7

Standard Errors From Limiting Error and Total Error Propogation (XYZ are in mm)

Limiting Total Sightings Sigma Estimates Sigma Estimates # List 111111111122222222223 Label sX sY sZ sX sY sZ RMS Rays 123456789012345678901234567890 1 0.0028 0.0041 0.0035 0.0079 0.0059 0.0045 0.5 6 YYYYYY 2 0.0028 0.0041 0.0036 0.0074 0.0058 0.0042 0.4 6 YYYYYY 3 0.0029 0.0041 0.0036 0.0071 0.0058 0.0044 0.3 6 YYYYYY 4 0.0029 0.0040 0.0037 0.0069 0.0057 0.0046 0.3 6 YYYYYY 5 0.0029 0.0040 0.0038 0.0068 0.0053 0.0046 0.4 6 YYYYYY 6 0.0030 0.0039 0.0039 0.0066 0.0049 0.0046 0.2 6 YYYYYY 7 0.0030 0.0038 0.0039 0.0065 0.0048 0.0046 0.3 6 YYYYYY 8 0.0030 0.0037 0.0040 0.0064 0.0049 0.0048 0.3 6 YYYYYY

Page 5



Bundle - Copy 9 0.0030 0.0036 0.0041 0.0067 0.0054 0.0054 0.2 6 YYYYYY 10 0.0030 0.0036 0.0041 0.0068 0.0062 0.0060 0.3 6 YYYYYY 11 0.0029 0.0040 0.0037 0.0050 0.0050 0.0042 0.3 6 YYYYYY 12 0.0029 0.0039 0.0038 0.0044 0.0044 0.0041 0.3 6 YYYYYY 13 0.0029 0.0038 0.0039 0.0040 0.0042 0.0041 0.3 6 YYYYYY 14 0.0030 0.0037 0.0040 0.0047 0.0042 0.0043 0.2 6 YYYYYY 15 0.0027 0.0041 0.0034 0.0045 0.0052 0.0040 0.2 6 YYYYYY 16 0.0028 0.0041 0.0035 0.0040 0.0047 0.0037 0.3 6 YYYYYY 17 0.0028 0.0040 0.0036 0.0034 0.0046 0.0038 0.2 6 YYYYYY 18 0.0028 0.0039 0.0037 0.0030 0.0045 0.0038 0.2 6 YYYYYY 19 0.0028 0.0039 0.0037 0.0029 0.0043 0.0038 0.4 6 YYYYYY 20 0.0029 0.0038 0.0038 0.0029 0.0039 0.0040 0.3 6 YYYYYY 21 0.0029 0.0037 0.0039 0.0030 0.0039 0.0041 0.3 6 YYYYYY 22 0.0029 0.0036 0.0040 0.0032 0.0040 0.0041 0.1 6 YYYYYY 23 0.0029 0.0036 0.0040 0.0036 0.0042 0.0044 0.2 6 YYYYYY 24 0.0029 0.0035 0.0041 0.0039 0.0047 0.0049 0.3 6 YYYYYY 25 0.0027 0.0040 0.0034 0.0037 0.0056 0.0041 0.5 6 YYYYYY 26 0.0027 0.0040 0.0035 0.0034 0.0046 0.0038 0.2 6 YYYYYY 27 0.0027 0.0040 0.0035 0.0034 0.0044 0.0038 0.2 6 YYYYYY 28 0.0028 0.0039 0.0036 0.0034 0.0044 0.0039 0.2 6 YYYYYY 29 0.0028 0.0039 0.0037 0.0034 0.0043 0.0039 0.2 6 YYYYYY 30 0.0028 0.0038 0.0038 0.0038 0.0042 0.0043 0.2 6 YYYYYY 31 0.0028 0.0037 0.0039 0.0039 0.0044 0.0044 0.3 6 YYYYYY 32 0.0028 0.0036 0.0039 0.0034 0.0043 0.0042 0.2 6 YYYYYY 33 0.0029 0.0035 0.0040 0.0033 0.0043 0.0043 0.2 6

Page 6



Bundle - CopyYYYYYY 34 0.0029 0.0035 0.0041 0.0033 0.0046 0.0047 0.2 6 YYYYYY 35 0.0026 0.0040 0.0033 0.0050 0.0074 0.0046 0.4 6 YYYYYY 36 0.0027 0.0040 0.0034 0.0048 0.0059 0.0042 0.3 6 YYYYYY 37 0.0027 0.0039 0.0035 0.0047 0.0051 0.0042 0.2 6 YYYYYY 38 0.0027 0.0039 0.0036 0.0047 0.0049 0.0042 0.2 6 YYYYYY 39 0.0028 0.0038 0.0037 0.0048 0.0048 0.0044 0.2 6 YYYYYY 40 0.0028 0.0037 0.0038 0.0049 0.0048 0.0047 0.2 6 YYYYYY 41 0.0028 0.0036 0.0038 0.0050 0.0050 0.0048 0.4 6 YYYYYY 42 0.0028 0.0036 0.0039 0.0045 0.0050 0.0046 0.4 6 YYYYYY 43 0.0028 0.0035 0.0040 0.0042 0.0050 0.0046 0.3 6 YYYYYY 44 0.0028 0.0034 0.0040 0.0039 0.0052 0.0048 0.2 6 YYYYYY 45 0.0027 0.0039 0.0035 0.0065 0.0067 0.0048 0.3 6 YYYYYY 46 0.0027 0.0038 0.0036 0.0068 0.0066 0.0051 0.3 6 YYYYYY 47 0.0027 0.0038 0.0036 0.0068 0.0063 0.0054 0.2 6 YYYYYY 48 0.0027 0.0037 0.0038 0.0065 0.0061 0.0055 0.3 6 YYYYYY 49 0.0027 0.0036 0.0038 0.0063 0.0062 0.0055 0.2 6 YYYYYY 50 0.0027 0.0035 0.0039 0.0058 0.0061 0.0053 0.4 6 YYYYYY

Summary of Summary of Limiting STD Error Estimates Total STD Error Estimates X Y Z X Y ZRMS is 0.0028 0.0038 0.0038 0.0051 0.0051 0.0045

Minimum is 0.0026 0.0034 0.0033 0.0029 0.0039 0.0037 at point 35 44 35 19

Page 7



Bundle - Copy 20 16

Maximum is 0.0030 0.0041 0.0041 0.0079 0.0074 0.0060 at point 10 1 10 1 35 10

Triangulated Object Space Coordinates (XYZ are in mm)

Sightings # List 111111111122222222223 Label X Y Z RMS Rays 123456789012345678901234567890 1 -87.9763 547.5273 64.8670 0.5 6 YYYYYY 2 -81.4502 571.1973 47.1920 0.4 6 YYYYYY 3 -74.0108 594.7005 29.7066 0.3 6 YYYYYY 4 -66.0251 620.7778 10.4199 0.3 6 YYYYYY 5 -59.4901 643.1335 -6.2316 0.4 6 YYYYYY 6 -51.2184 671.0820 -26.9103 0.2 6 YYYYYY 7 -44.4961 694.8687 -44.5582 0.3 6 YYYYYY 8 -36.0661 720.5213 -63.6270 0.3 6 YYYYYY 9 -30.2839 746.8903 -82.9647 0.2 6 YYYYYY 10 -24.8168 764.4812 -96.1790 0.3 6 YYYYYY 11 -46.3589 631.6360 -1.0646 0.3 6 YYYYYY 12 -35.6668 653.0994 -18.2040 0.3 6 YYYYYY 13 -28.3327 666.0140 -28.6002 0.3 6 YYYYYY 14 -25.4278 702.4619 -53.7178 0.2 6 YYYYYY 15 -61.2895 538.0100 63.6798 0.2 6 YYYYYY 16 -52.9641 560.9080 46.8013 0.3 6 YYYYYY 17 -39.6700 582.6053 29.1183 0.2 6 YYYYYY 18 -26.0788 609.2374 8.1482 0.2 6 YYYYYY 19 -17.6354 631.3508 -8.3790 0.4 6 YYYYYY 20 -5.6010 661.0491 -31.3595 0.3 6 YYYYYY 21 -0.5408 683.2494 -48.0319 0.3 6 YYYYYY 22 -2.0262 711.1666 -66.0574 0.1 6 YYYYYY 23 0.2947 736.0249 -83.2662 0.2 6 YYYYYY 24 3.8237 754.6110 -96.8291 0.3 6 YYYYYY 25 -37.7145 531.7456 61.2337 0.5 6 YYYYYY 26 -31.3871 553.2361 45.7599 0.2 6 YYYYYY 27 -21.7639 574.8187 28.8964 0.2 6 YYYYYY 28 -8.7940 603.3594 6.6770 0.2 6 YYYYYY 29 -1.8205 625.9422 -9.3576 0.2 6 YYYYYY 30 11.5623 656.5816 -33.3124 0.2 6 YYYYYY 31 18.3278 677.1124 -49.7692 0.3 6 YYYYYY 32 18.2082 704.9007 -67.7919 0.2 6 YYYYYY

Page 8



Bundle - Copy 33 21.1819 730.2678 -85.0648 0.2 6 YYYYYY 34 20.7658 749.8706 -98.3192 0.2 6 YYYYYY 35 -14.7526 525.9013 58.8645 0.4 6 YYYYYY 36 -9.1740 545.6853 44.5725 0.3 6 YYYYYY 37 -2.2802 566.8849 28.5611 0.2 6 YYYYYY 38 8.5207 597.6685 5.7031 0.2 6 YYYYYY 39 16.0729 620.0721 -10.6522 0.2 6 YYYYYY 40 26.3924 653.5321 -35.5661 0.2 6 YYYYYY 41 33.8920 671.8052 -50.4251 0.4 6 YYYYYY 42 36.5818 698.9179 -68.7679 0.4 6 YYYYYY 43 41.7977 724.3917 -86.8955 0.3 6 YYYYYY 44 42.7695 742.2988 -99.6279 0.2 6 YYYYYY 45 18.7294 563.2415 24.9380 0.3 6 YYYYYY 46 32.4167 589.2968 4.0083 0.3 6 YYYYYY 47 39.7614 611.7879 -12.6354 0.2 6 YYYYYY 48 47.5531 646.8899 -37.6835 0.3 6 YYYYYY 49 53.3158 665.5147 -51.7166 0.2 6 YYYYYY 50 56.4357 691.9021 -69.6575 0.4 6 YYYYYY

Image Coordinate Rejections

Image Number Image001






Total Rejections 0

Page 9



kalibrasi

Status Report Tree

Project Name: *** Project has not yet been saved ***

Problems and Suggestions (0) Project Problems (0) Problems related to most recent processing (0)

Information from most recent processing Last Processing Attempt: Sun Dec 08 21:42:29 2013 PhotoModeler Version: 6.2.2.596 - final,full Status: successful Processing Options Orientation: off Global Optimization: on Calibration: on (full calibration) Constraints: off Total Error Number of Processing Iterations: 3 Number of Processing Stages: 2 First Error: 1.004 Last Error: 0.983 Precisions / Standard Deviations Camera Calibration Standard Deviations Camera1: FinePix F10 [8.00] Focal Length Value: 8.175457 mm Deviation: Focal: 5.9e-004 mm Xp - principal point x Value: 3.918966 mm Deviation: Xp: 7.5e-004 mm Yp - principal point y Value: 2.910891 mm Deviation: Yp: 8.5e-004 mm Fw - format width Value: 7.781006 mm Deviation: Fw: 3.0e-004 mm Fh - format height Value: 5.768296 mm K1 - radial distortion 1 Value: 1.204e-003 Deviation: K1: 5.0e-006 K2 - radial distortion 2 Value: -9.494e-006 Deviation: K2: 2.3e-007 K3 - radial distortion 3 Value: 0.000e+000 P1 - decentering distortion 1

Page 1



kalibrasi Value: -1.524e-004 Deviation: P1: 3.4e-006 P2 - decentering distortion 2 Value: 1.470e-005 Deviation: P2: 3.7e-006

Quality Photographs Total Number: 12 Bad Photos: 0 Weak Photos: 0 OK Photos: 12 Number Oriented: 12 Number with inverse camera flags set: 0 Cameras Camera1: FinePix F10 [8.00] Calibration: yes Number of photos using camera: 12 Average Photo Point Coverage: 90% Photo Coverage Number of referenced points outside of the Camera's calibrated coverage: 0 Point Marking Residuals Overall RMS: 0.125 pixels Maximum: 0.716 pixels Point 2 on Photo 1 Minimum: 0.090 pixels Point 34 on Photo 2 Maximum RMS: 0.375 pixels Point 2 Minimum RMS: 0.063 pixels Point 32 Point Tightness Maximum: 0.00064 m Point 2 Minimum: 0.00012 m Point 66 Point Precisions Overall RMS Vector Length: 4.57e-005 m Maximum Vector Length: 6.99e-005 m Point 97 Minimum Vector Length: 4.36e-005 m Point 9 Maximum X: 3.51e-005 m Maximum Y: 3.96e-005 m Maximum Z: 4.56e-005 m Minimum X: 2.17e-005 m Minimum Y: 2.22e-005 m Minimum Z: 2.98e-005 m

Page 2



TAMPAK DARI ATAS

TAMPAK DARI BAWAH

GAMBAR YANG DISIMPAN DALAM FORMAT *.bmp

CAMERA STATIONS TAMPAK DARI BAWAH

CAMERA STATIONS TAMPAK DARI ATAS

Download - LAPORAN METRIK FOTOGRAFI

Top Related