Aplikasi Rekonstruksi 3D untuk Proses Pemahatan Menggunakan CNC
Oleh: Retno Tri Wahyuni
2209204808
Dosen Pembimbing:
Ir. Djoko Purwanto, M.Eng, Ph.D
Dr. Tri Arief Sardono, S.T., M.T
Agenda Presentasi
• Pendahuluan- Latar Belakang- Perumusan Masalah- Batasan Masalah- Maksud dan Tujuan- Manfaat Penelitian
• Tinjauan Pustaka- Sensor Kinect- Noise pada Sensor Kinect- ICP- Filter- Mesin CNC- Mesin CNC Milling- Mithsubisi M70- G-code
• Metodologi Penelitian- Alur penelitian- Cara Pengambilan Gambar- Rekonstruksi 3D- Konversi menjadi Koordinat Mesin- Algoritma konversi ke G-code- Implementasi pada CNC
• Data dan Analisa- Kemampuan Sensor Kinect untuk Aplikasi
Pemahatan- Pengaruh Filter- Hasil Implementasi
• Penutup- Kesimpulan- Saran
Latar Belakang
Algoritma PengkonversiInformasi 3D Menjadi G-
code
Rekonstruksi 3D
Point clouds
Sensor Kinect
3D (Point) Model
3D (Point) Model
G-code file.nc
Perumusan Masalah
• Penentuan point clouds menggunakan sensor Kinect
• Rekontruksi 3D menggunakan ICP
• Prosedur konversi koordinat hasil rekonstruksi 3D menjadi koordinat mesin CNC
• Prosedur pembuatan G-code
• Implementasi G-code pada CNC
Batasan Masalah
• Objek 3D (benda asal) merupakan benda dengan kontur permukaan yang sederhana.
• Tidak terdapat fasilitas automatic tool changing
Tujuan
• Menggunakan sensor kinect untuk mengambil informasi 3D dari sebuah benda
• Melakukan rekonstruksi 3D menggunakan metode ICP
• Merancang sistem otomatis pengkonversi koordinat hasil rekontruksi 3D menjadi G-codeuntuk menjalankan mesin CNC.
Manfaat Penelitian
• Menambah alternatif pemanfaatan rekonstruksi 3D
• Potensi untuk membuat replika benda menggunakan CNC
Sensor Kinect
• Sensor Kinect
Noise pada Sensor Kinect
• Terdapat 3 sumber noise yang akan mempengaruhi pengukuran 3D pada kamera laser yaitu noise dari komponen elektronik, noise quantisasi dan noise speckle. (Josep, 2004).
• Terdapat 2 buah jenis noise yang terjadi pada proses pengukuran yaitu noise deterministik dan noise acak (Bryan, Pincock, 2011)
ICP (Iterative Closest Point)
pxXpdXx
min,
2
12
2
12
2
122121 )()()(, zzyyxxrrrrd
Filter
• Mean Filter
• Gaussian Filter
njminm
jiH 1;1;.
1),(
04.004.004.004.004.0
04.004.004.004.004.0
04.004.004.004.004.0
04.004.004.004.004.0
04.004.004.004.004.0
H
smymx yxes
yxG2/)()( 221
),(
0030.00133.00219.00133.00030.0
0133.00596.00983.00596.00133.0
0219.00983.01621.00983.00219.0
0133.00596.00983.00596.00133.0
0030.00133.00219.00133.00030.0
H
Mesin CNC Milling
Kaidah Tangan Kanan Sistem Koordinat CNC Milling
M
W
A
R
Mitsubishi M70
• Meja Mesin
• Ragum
• Spindle
• Colett
• Mata pahat
• Perangkat Penggerak(Motor X,Y,Z axis)
• Panel Kontrol
Layar Monitor
Keypad
Tombol Direction
Tombol
Emergency
Tombol Operate
Servo Switch
CNC Switch
CF Slot
Menu
G-code
• Bahasa pemrograman pertama CNCKode Fungsi
G Preparatory Word
X,Y,Z,U,V,W,P,Q,R,A,B,C Dimension Word
I,J,K Interpolation or Thread Lead Word
F,E Feed Function Word
S Spindle Speed Function Word
T,D Tool Function Word
M Miscellaneous Function Word
Metodologi Penelitian
Sensor Kinect Rekonstruksi 3D
Konversimenjadi
Koordinat Kerjamesin CNC
AlgoritmaPengkonversi
menjadi G-code
Implementasipada CNC
Informasi 3D Benda
Koordinat Kerja Mesin
File.nc
Hasil Pahatan
Benda Asal
Point Clouds
Rekonstruksi 3D
• Sensor kinect diakses menggunakan driver OpenNi
• Algoritma ICP menggunakan library dari PCL (Point Cloud Library)
Konversi Menjadi Koordinat KerjaMesin CNC
Informasi 3D Benda
Merubah data informasi 3D bendamenjadi matrik 2dimensi
Pengisian Vertex pada RuangKosong
Filtering
Penentuan Koordinat KerjaMesin
Koord KerjaMesin
Algoritma Pengkonversi Menjadi G-code
Sumbu X (i)
Sum
bu
Y (
j)
Sumbu Z (matrik(j,i))
(0,0)
(l,p)Kolom Genap Kolom Ganjil
N1 G54 G90 G00 X0. Y0. Z0.N2 G01 X0. F300
N4 G01 Y10. F300N5 G01 X1. F300
N7 G01 Y0. F300N8 G01 X2. F300
N10 G01 Y5. F300N11 G01 Z-2. F300
N3 G01 Z-1. F300
N6 G01 Z-1. F300
N9 G01 Z-1. F300
N12 G01 Y10. F300N13 G01 X3. F300N14 G01 Z-2. F300N15 G01 Y4. F300N16 G01 Z-1. F300N17 G01 Y0. F300
= -1
= -2
Implementasi pada CNC
• Ukuran mata pahat: 3mm
• Bahan: Kayu
Jarak benda terhadap Sensor
y x
z
Cara Pengambilan Gambar
Kemampuan Sensor Kinect untukAplikasi Pemahatan
• Sensor kinect masih dapat diaplikasikan untuk permukaan dengan beda kedalaman diatas 2cm
• Jarak pengambilan gambar yang efektif berada pada range 80cm sd 110cm
• Dibutuhkan pencahayaan yang cukup
Informasi 3D Benda Pertama
10
20
30
40
50
20
40
60
80
100
-910
-900
-890
-880
-870
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
,Jara
k B
enda T
erh
adap K
am
era
(mm
)
-915
-910
-905
-900
-895
-890
-885
-880
-875
-870
-865
Informasi 3D Benda Kedua
10
20
30
40
50
20
40
60
80
-910
-900
-890
-880
-870
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
, Jara
k B
enda T
erh
adap K
am
era
(m
m)
-915
-910
-905
-900
-895
-890
-885
-880
-875
-870
-865
Informasi 3D Benda Ketiga
10
20
30
40
50
20
40
60
80
-1090
-1080
-1070
-1060
-1050
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
, Jara
k B
enda T
erh
adap K
am
era
(mm
)
-1090
-1085
-1080
-1075
-1070
-1065
-1060
-1055
-1050
Pengaruh Filtering
10
20
30
40
50
20
40
60
80
100
-960
-950
-940
-930
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
,Jara
k B
enda T
erh
adap K
am
era
(mm
)
-965
-960
-955
-950
-945
-940
-935
-930
-925
10
20
30
40
50
20
40
60
80
-970
-960
-950
-940
-930
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
, Jara
k B
enda T
erh
adap K
am
era
(m
m)
-970
-965
-960
-955
-950
-945
-940
-935
-930
-925
10
20
30
40
50
20
40
60
80
-1120
-1110
-1100
-1090
-1080
Sumbu X, Panjang(mm)
Sumbu Y, Lebar(mm)
Sum
bu Z
, Jara
k B
enda T
erh
adap K
am
era
(mm
)
-1120
-1115
-1110
-1105
-1100
-1095
-1090
-1085
-1080
Hasil Scalling
10
20
30
40
50
20
40
60
80
-3
-2
-1
0
Sumbu X, Panjang(mm)
Sumbu Y, Lebar(mm)
Sum
bu Z
, K
edala
man B
enda (
mm
)
-3
-2.5
-2
-1.5
-1
-0.5
0
10
20
30
40
50
20
40
60
80
-3
-2
-1
0
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
, K
edala
man B
enda(m
m)
-3
-2.5
-2
-1.5
-1
-0.5
0
10
20
30
40
50
20
40
60
80
100
-3
-2
-1
0
Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)
Sum
bu Z
, K
edala
man B
enda(m
m)
-3
-2.5
-2
-1.5
-1
-0.5
0
Hasil Implementasi pada CNC
Kesimpulan
• Pengujian dilakukan menggunakan 3 sampel benda berbentuk dasar segi empatdengan kontur permukaan menonjol berbentuk huruf I, T dan S dengan perbedaankedalaman lebih dari 2cm. Hasil pengujian menggunakan 3 sampel benda tersebutmenunjukkan kesalahan rata-rata hasil rekonstruksi sebesar 4.0% untuk ukuranpanjang, 2.8% untuk ukuran panjang dan mencapai 46.1% untuk ukurankedalaman.
• Proses filtering dilakukan untuk memperbaiki kesalahan pada ukuran kedalaman.Kesalahan rata-rata untuk ukuran kedalaman pada hasil filtering adalah sebesar27.8% untuk filter rata-rata dan 25.9% untuk filter Gaussian.
• Pengujian selanjutnya dilakukan terhadap algoritma pembuat G-code, yaitudengan cara membandingkan hasil pahatan terhadap koordinat hasil penskalaanbenda, dalam hal ini skala yang digunakan sebesar 1:15. Artinya 1mm kedalamanpada hasil pahatan mewakili 15mm kedalaman pada benda asal. Hasil pengujianmenggunakan 3 sampel benda asal tersebut menunjukkan kesalahan rata-ratasebesar 3.8% untuk ukuran panjang, 2.1% untuk ukuran lebar dan 1.9% untukukuran kedalaman.
Saran
• Pemilihan sensor yang sesuai sehingga dapatmerepresentasikan kontur permukaan benda dengan baik,mengingat pada aplikasi pemahatan ini dibutuhkanketelitian yang cukup tinggi.
• Mencoba mengaplikasikan metode rekonstruksi yang lainuntuk memperoleh informasi 3D benda dengan baik.
• Proses modeling noise hasil pengukuran sehingga dapatdilakukan desain filter yang lebih baik.
• Merancang algoritma G-code dengan metode pemahatanyang lain serta melibatkan kode G-code yang lebihkompleks seperti G02 dan G03 yang merupakan modegerak melingkar.
TERIMA KASIH