PENERAPAN NOISE REMOVAL UNTUK POINT CLOUD GUNA PENINGKATAN KUALITAS PRODUK 3D POINT CLOUD
Point cloud memegang peran yang penting sebagai data yang merepresentasikan objek secara digital. Data point cloud dihasilkan dari metode image based dan range based namun sering kali mengandung noise akibat berbagai faktor. Diantaranya faktor lingkungan, faktor akuisisi data, dan karakteristik objek sehingga dapat menurunkan kualitas dan akurasi geometris model 3D point cloud yang dihasilkan. Oleh karena itu, penerapan teknik noise removal sangat penting untuk meningkatkan kualitas point cloud. Penelitian ini bertujuan untuk menganalisis peningkatan kualitas point cloud setelah dilakukan Noise Removal metode, Statistical outlier Removal (SOR), Random Sample Consensus (RANSAC), dan Moving Least Squares (MLS) pada data point cloud image based dan range based. Penelitian ini menggunakan Kamera Sony Alpha 6000 untuk data image based dan TLS Leica BLK360 untuk data range based dengan proses noise removal menggunakan software open source cloud compare. Hasil evaluasi menggunakan Signal Noise Ratio (SNR) menunjukkan bahwa untuk data image based, metode MLS menghasilkan peningkatan SNR tertinggi dengan peningkatan 2,54 db, diikuti oleh RANSAC dengan 2,53 db. SOR memberikan peningkatan SNR yang lebih rendah, yaitu 1,63 db. Sebaliknya, pada data range based, metode SOR terbukti paling efektif dengan meningkatkan SNR dengan nilai 1,12 db. RANSAC menunjukkan peningkatan SNR yang kurang optimal, menjadi 0,51 db, dan MLS hanya menunjukkan peningkatan SNR paling minimal, yaitu 0,05 db. Penelitian ini menyimpulkan bahwa efektivitas suatu metode dipengaruhi oleh sifat point cloud yang berbeda serta pengaturan parameter yang tepat untuk mengoptimalkan hasil kualitas point cloud.
URI
https://repo.itera.ac.id/depan/submission/SB2509030047
Keyword
point cloud noise image based range based noise removal