Indonesi an  Journa l  of  El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   12 ,  No.   3 ,  Decem ber   201 8 , p p.   1349 ~ 1357   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 2 .i 3 .pp 1349 - 1357          1349       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Improve ment   o f Au to - T racking  Mobi le Robot   b ased on  HSI  C olor  M odel       Suresh   Sun daraj oo 1 ,  Ah m ad Sh ah ri z an   Ab d ul Gh an i 2   1 DN C  Autom at ion  (M) Sdn.  Bhd . ,   Ta m an   Industr i  Mera n ti Ja y a ,   4 7100  Puchong,   Sela ngor ,   Ma lay si a   2 Facul t y   of  Man ufa ct ur ing  En gin ee ring ,   Univ ersiti  Mal a y s ia Pahang ,   26600   Pekan ,   Pahang ,   M al a ysia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A ug  9,   2018   Re vised Oct  2, 2018   Accepte d Oct  30, 201 8       Auto  tra ck ing  m obil e  robo t  is  a   devi c e  th at   abl e  to  detec t   and  track  a  ta rge t .   For  an  aut o  tr acking  device ,   the   m ost  cru ci al   p ar t  of  the   s y s te m   i s  the   object   ide nti f icati on   an d  tracki ng  of   th e  m oving  t arg ets .   In  orde r  to   i m prove   th e   ac cur acy   of   id en ti ficat ion   of   object   in   diff ere n t   ill um ina ti on   and   b ac kground   condi ti ons ,   th e  i m ple m ent at ion   o f  HS I  col or  m ode l  is  used  in  image   proc essing   al gorit hm .   In  th i s  proje ct  HS I - ba sed  col or  enha n c ement   a lgori thm   were   used  for  object   ide n tification.  Th is  is   because  HS I  p ara m et er   ar e  m o re  stab le   in  diffe ren t  l ight   a nd  bac kground   condi ti ons ,   so  i t  is  sel ec t ed  as  the   m ai n   par amete rs  of   th is  s y stem.  Pix y   CMU ca m 5  is  us ed  as  th e  vision  sensor  whil e   Arduino  Uno  as  the   m ai n   m ic roc ontrol ler  th at  co ntrol s  a ll   the  inp ut  and   outpu t   o f  the  dev ic e .   M ore over ,   two  se r vo  m otors  were   used  to  cont rol   t he  pan - ti l t   m ovement  of  th e  v ision  sensor .   Expe riment al  re sults  demons tra t e  tha t   whe n   HS I  col or - base d   fil t eri ng   al gor ithm   is  appl i ed  to   visual  tracki ng  it   improve s   the   ac cur acy   a nd  stabi l ity   of   tracki ng  und e r  the  condition   of  var y i ng   bright ness,   or  e ven  in  the  low - li ght - l evel  envi r onm ent .   B esides   tha t ,   thi s   al gorit hm   al so   pre vent s   tracki n g  loss  due   to   o bje c t  col or   app ea rs  in  the  bac kground.   Ke yw or d s :   C olo r  trac king    HS I  co l our - bas ed fil te ring  PixyC MUcam 5   M ob il e r obot   Copyright   ©   201 8  Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   Ah m ad  S hahri zan  Abd ul Gha ni,    Faculty  of Ma nufactu rin g  E nginee rin g,   U niv ersit i M al ay sia  Pah a ng,    26600 Pe kan,  Paha ng,   Ma la ysi a .   Em a il :  sh ahr iz an@um p. ed u.m y       1.   INTROD U CTION   The  c ontrib ution  of  r obots  is   rap i dly  increa s ing  day  by  day  as  r obots   are   sta rting  to   substi tute  hum ans  in  e ver yday   ta sk s.   At  t he sa m e  tim e  robo ts   c an  do  ta sks  tha t  would  ei the r  be i m po ssible  f or  hum an bei ng  to   do  or  it  wo uld  tak e a longer  ti m e  f or h im  o r  he r t o  com plete  it .  Th us , ro bots m ake hum an’ s  w ork  easi er a nd  m or e  pro du ct ive .  T he   functi on  of   r obot  ca n  be  f urt her  increa sed   by  gi ving  visi on   t o  the  r obot .  Colo r  vision  base d   m ob il e  ro bot  pa th  tracki ng   is  pro po se d  by  Luo   et   al .  [1] .  In  this  pro po se d  syst e m ,  path  f ol lowing  al gorit hm   is   pro po se d  base d  on   t he  data  e xtracted   f ro m   HS I   ( Hue,  Sat ur at io n,   i ntensi ty )  colo r  m od e l  us in g  fu zzy   c on t ro l.   As  the   im age  i s  captu re d,   it   will   be  co nvert ed  int o  H SI   c ol or   m od el   an d  us in g  se gm entat ion   m et ho d,  the  path   is  extrac te d  fro m   the  i m age  us ing   optim al   th reshold  i n  H SI  m od ule.  The  pa th  sk el et on  is  then  e xtracted  us i ng   sk el et on e xtrac ti on  m et ho d. I n ad diti on ,  fuzz y con t ro l i s  us e d for  rob ot p at h  trac king c ontrol.     So a ns   et   al .  [2]   us ed  a da ptiv e  colo r  th res hold  m et ho d  w hich   is  e qu i pp ed  wit hin   a  m ob il e  r obot  t o   detect   a nd  fo ll ow  a   par ti cular   col or  of  a n  ob je ct .  As t he   r obot  e quip ped  with  m echan ic al   arm , t he m ob il e  r obot   is  able  to  pic k  the  ta rg et   obj e ct .  Ba sed  on   t he   pro po se d  m eth od,  t he  ca ptu r ed  im ages  are  trans ferre d  to  a  c olor   thres ho l ding  al gorithm   to  detect   the  ta rg et .  T he  noise s  ar e  fi lt ered   out  an d  f inall y  the  colored  ob j ect   is  det ect ed   and  picke d  up.   I n  ad diti on,  as   m entioned  by   So a ns   et   al .   [ 2],  on e   of  the   m a in  pro blem   in  colo r  trac ki ng  is  th e   insig nificant  of   current   c olor  thres holdin g  te chn i qu e  w hich   cause d  by  e. g.  ref le ct ion   of  s m oo th  gro und  plane.  This  re flect ion  res ults  i n  fals e  ob j ect   detect ion  a nd  c on s e qu e nces   le ad s  to  false  c olor   tracki ng.  O n  t he   ot her  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1349   –   1357   1350   hand,  the   var ia ti on   of  s urr oundin g  li ghti ng   c onditi ons  al s o   le ads  t o  false  c olor  detect ion  and  trac king.   These   pro blem s ar e the  fo c us   obj ect ives in  this  paper.   People   detect ion  a nd  trac king  syst em   base d  on  real - ti m e   RGB - D   f or  m ob il e  robo t   is  pr opos e d  by     Fang  et .  al .  [ 3].  In   t he  pr opose d  syst em ,  an  op e n  s ource  r ob ot  op e rati ng  s yst e m   (ROS )  is  i m ple m ented  to  a  m ob il e  ro bot  t o  trac k  a  ta r get .  I n  the syst e m ,  the f eat ure o f  t he  ta r get  is   ext racted b e fore  t he  de pth   i nform at ion   is  colle ct ed  a nd  us e d  t o  tr ack  the  ta rg et   base d  on   t he   near e st  poi nt  posit ion  in form ation .  Th en ,  t he  i m ple m entat io n  of  C AM - S hi ft  al gorithm   w hich   is  base d  on  R GB  i nfor m at ion   is   ap plie d  t o  im pr ove  t he  a nti - interfe ren ce  abi li t y.     For  t he  pur po se  of  im age  c ontrast   im pr ove m ent  of  in hom og e ne ous  il lu m inati on ,  A bdul  Gh a ni  a nd  Ma t  Isa  [ 4]   ha ve   ap plyi ng   rec ur si ve  a dap ti ve   histo gr am   m od ific at ion  w hic h  f oc us es  on  a pp ly in g  cl ip - li m it   and   gr ay - le vel  m app in g  of  the  ca pt ur e d  im ages.  Fr om   the  res ults,  the  ou t pu t  i m ages  show  t he   sign ific a nt  outp ut  by  pro du ci ng  a   ho m og eneous   il lum inati on   of  t he   im ag es.  T his  m et ho d  c ou l d  r edu ce   t he  noise   le vel   in   the   ca ptured   i m age  of  the   a ut o - trac king  m ob il e  r obot.   I n  a dd it io n  t o  t his  a lgorit hm ,  un s uper vised   c on t ra st  co rr ect io n  t hro ugh  integrate d - i ntensity   stret che d - Ra yl ei gh  Hist ogram   [4 ] ,   co ul d  be c om e  anot her  opti on   t o  address   lo w   co ntrast   and no n - hom og ene ous il lum i nation i m ages.    This  a uto  trac ki ng  de vice  ca n  be  us e d  t o  e nh ance  t he  s urvei ll ance  syst em .   F or  in sta nce,   it   can   be  us e d  to  trac k  valua bl e  things.  F or  e xam ple,  this  syst e m   can  act   as   a  m ov ing  CC TV  as   it   not  on ly   able  to  ob s er ve  bu t   it   al so   able  to   track  t hings.  B esi des  that,   ne w  te ch nolo gy  inv e nts  a n  el ect ric  w heelchair   wh e re  th e  use r   can   con t ro l   the   m ov em ent  of  wheel chair.   N ow ,   with   a uto  tra ckin g  te c hnol ogy ,   t he   el ect ric  w heelc hair  c an  be   conve rt  into  a n  aut om atic  wh eel chair  w herea s  the  m ov em ent  of   the  w heelchair  t o  a  certai n  point  i s  done   autom at ic ally  base d  on  li ne  or   m ov in g  ob je ct ’s  colo r.   In   add it io n,   the  t echnolo gy  al s o  can  be  a pp li ed  to  a  luggage  or s ho pp i ng tr olley  where  the syste m  w ill autom atical ly  t rack  and  fo ll ow it s  owner.   In  this  pro j ect ,  the  cam era  will   be   at ta ched  at   t he  m ob il e  r obot   as  a  c om po ne nt  to   m ov e  f r om   a  locat ion  to  an oth e r  l oca ti on   base d  on  t he  m ov in g  ta r ge t.  M ic ro c on t r oller  with   im a ge  processi ng   i m ple m entat ion   play s  an  im po rtant  r ole.   A   c olo r - ba sed  filt ering  al gorithm   is  us ed  f or  obj ect   tra ckin g.   C olor - ba sed  filt ering  m et ho ds  are  popula r be cause t hey are   fast, e ff ic ie nt,   and relat ively  robust.   Nex t,   a   m ic ro con t ro ll er   is  al s o  a n  esse ntial   par t  i n  a ut o  tra ckin g  de vice.  Mi cro co ntr oller  ac t  a s  t he   br ai n  of  the  de vice.    On ce  t he   i m age  has  bee n  capt ur e d  by  the  cam era,  the  i m age  will   be  deco m po se d  in to  it s  ind ivi du al   col or  c hannel.   Ba s ed  on  the se  c olo r   cha nnel s,  t he   total   inte ns it y  an d  the   m axim u m   intensit y  values   of  eac h  col or  channel   are   c al culat ed.  T he   m axi m u m   intensit y  val ues   betwee n  these   c olo r   c ha nn el s  will  determ ine  the  do m inant  col or  of  the  obj ect   f or   t he  pur po se   of   t he  dev ic e  or  m ob il e  rob ot  to  ide ntify  it . B esi des  that,  the   m ic ro con t ro ll er   al so  sen ds   el ect rica l  sign al   t o  t he  m ob il e  ro bot’s   act uato rs  t o  re act   to  the   m oti on  of   tracke d object.   The  directi on  of  this  pro j ect   is  to  fa br ic at e   a  sim ple   an  auto  t r ackin g  m ob il e  rob ot  that  is  a bl e  to  detect   an  obj ect   an d  tr acks  it .   T he  m ai n  f oc us  of  t his  researc h  pro j ec t  is  to   im pr ov e   the  detect i on  a nd  trac king   abi li ti es   of   t he  ta r get  co lor,   a s  m entione d  by  So a ns   et   al .  [2 ] .  The   al gorithm   of   im age  processi ng  to   detect   the  obj e ct   is  base d  on  the   c olor  of  the  obje ct .  A   ( Hu e ,  S at ur at io n  a nd  I ntensity )  HSI  colo r - base d  filt erin g  al go rith m   wer e  us e d  in  t his  pr oj ect   t o  detect   the  ta r get.  First ly ,  the  cam era  will   captu re  th e  i m age  an d  th e  m ic ro co ntr oller  will   process  t he  i nfor m at ion   an d  m on it or   the  be hav i or  of  the   obj ect .  Ne xt,  wh e n  t he  obj e ct   sta rts  to  m ov e,  t his   m ob il e  ro bot  al so   will   f ollow   a nd   t rack s  t he  obj ect .  At  the  sa m e  tim e,  the  m ob il e  r obot  al w ay s  m ai ntain  distance   with  t he   ob j ect   to   pr e ven t   f r om   colli sion   with  t he   ob j ect .   Be sides  t hat,   the   visi on  of  the   r obot  is   up  t o  180°  i n  x - a xis  a nd   y - a xis  as   t he  cam era  is   at ta che d  to  a   pan - ti lt   w hich   is  a ble   to   ro ta te .   T he  r otati on  of  t he   ca m era  is  con t ro l  by  two  servo  m oto rs  wh e reas  on e  s ervo  m oto r  is  us e d  to  co ntr ol   x - a xis  m ov em ent  an d  an oth e r  ser vo   m oto r  is use d f or y - axis  m ov em ent.       2.   RESEA R CH  MA TE RIA L S  AND  METH OD OL OG Y   Fr om   the   li te ra ture   re view ,  sui ta ble  com pone nts  f or  th e   proj ect   wer e   sel e ct ed.  T he   ci rcui t  desig n  of  the  pro j ect   is  de velo ped.  T his  fo ll owe d  by  s oft war e  de velo pm ent  of   the  pro j ect .  A fter  this,   the  syst e m   is  t est ed  un ti l  the  syst e m   wo r ks   acc ordin g  to  the   ob je ct ive  of   t his  pro j ect .  Fi gure  1  sh o ws  t he  m eth od ology  flo w char t  of   the pr oj ect   of a uto - tracki ng m ob il e  rob ot.             Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Impr ovem e nt  of  Au to - Tr ackin g  M obil e Robot  b ase d o n H SI Color  M od el  ( Su r esh  Su ndarajo o )   1351       Figure  1. Me th odology  flo wc har t  of aut o - tr a ckin g  m ob il e r obot       a.   Pixy C M Ucam5      The  visi on  se nsor  sel ect e d  f or this p r oject  is Pixy CM Ucam 5.  T he  Pixy C MUcam 5  vision  senso r  is   a  fast  im age  sens or   t hat  trac ks  obj ect   a nd  it   can   directl y  co nne ct   to  A rduin o  Uno  t hroug h  I CSP  po rt  on Arduin o  Uno  boar d.   Be sides  that,   Pix y  has  it s  ow n  powe rful  proc essor  to  proces s  the  im age.  Since  Pi xy  has   it s  ow n  process or,  it   wi ll   process   the   c aptu re d  im ages  f ro m   the   sen sor  a nd  e xtract   th e  use f ul  in f or m at ion .   Be sid es   t hat,  Pixy  c om e  with  a   c olor   al gorithm   to  detect   ob j ect ’s   col or.  Norm al l y,  RGB  (r e d,  gr ee n,  an d  bl ue)  use d  to   represe nt  c olor s.  B ut,   Pixy   ca lc ulate s  the   hue  c olo r   a nd  sat ur at io n  of   each   R GB   pix el   f rom   the  i m age  s ens or   and  us es   these   as  the   pri m ary  filt ering  pa ram et ers.   Th us ,   c onve rsion   al gori thm   to  co nv e rt   RGB   to  HSI   c olor   base d  is  not  re qu i red  in   the  pro gr am m ing   pa rt  as  t he  al gorithm   is  al ready   integrate d  i n  the  Pixy  CM Ucam 5  i m age  sens or   m od ule.  Ne vert heless,  Pi xy  proces ses  a n  ent ire  640x 400  i m age  fr am e  ev ery  1/50th   of  a   seco nd.   This m eans th e  cam era d et ect ed object s'  posit ion s e ver y  20  m illi secon ds.     b.   Ardu in o Un o      In  this  pro j ect   of  de velo pi ng  an  a uto - trac king  de vice,  Ard ui no  U no  was   s el e ct ed  as  t he  con t ro ll er   of   the  syst em .  Th e  A rduin o  U no   boar d  is  a  m ic ro c ontrolle r   ba sed  on  ATm ega3 28.   It   has   14  di gital   input/ outp ut   pin s  in  w hich  6  can  be  us ed  as  P W M  outp uts,  a  16   M Hz  cera m ic   reso nato r,   an  ICS P  hea de r,   a  U SB  co nn e ct ion,   6  a nalo g  in puts , a   powe r jack   and a  reset b utt on.  T he  cam era can   be direct l y connect ed  to   ICSP hea der.       c.   L293D  Moto r   Driver   L2 93D  m oto r dr i ver  is a n  int egr at e d  ci rc uit chip w hich  is  usual ly  u se d  to  con t ro l. M otor  dr i ver  act a s   an  i nterfac e  bet ween  Ard uino  and  the   m oto rs .   T h ese  ICs   are   desig ne d  t o  c ontr ol  tw o  DC   m otors  sim ultane ou sly .   L2 93D  c onsist   of tw o  H - br i dge. H - br id ge  is  the sim plest ci rcu it  for  c ontr olli ng  a l ow curr ent r at e d  m oto r .     d.   Circui t Desig n   The   m ai n  hard war e   c om po ne nts  sel ect e d  t o  bu il d  t he  protot ype  for   aut o - tr ackin g  m ob il e  rob ot  ar e  t he   Ardu i no  U no,   Pixy  CM Ucam 5  cam era,  A rduin o  M oto r   S h ie ld,  ser vo  m oto r   an d  DC  m oto r .  T he  dev el opm ent   of  ci rc uit  desig n  f or  this   proj e ct   was   sta rte d  with  a   blo c k  di agr am   as  s how n  i n  Fig ur e   2.  A  blo c k  diagr a m   is  a   diag ram  o f  a   s yst e m  in  w hich  the  pri ncipal  parts are  r e prese nted  b y  blo c ks  and c onnected   by li nes  to sh ow t he  inputs a nd out pu ts  of a  syst em .                                    L it e ra ture  re view   De fine  prob lem  state ment?   De ter mi ne  objec ti ve   De c lar e  proje c t scope   C omponent se lec ti on   C irc uit  De ve lopm e nt   S y stem  wor k?   F a bric a te of  the pr ojec t   No   No   Ye s   Ye s   S TA R T   S oftw a re  De ve lopm e nt   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1349   –   1357   1352   The  com plete   schem at ic   c ircuit   diagram   of   auto - tracki ng  m ob il e  ro bo t  de vice  is  sh ow n  in  Figure  3.  The  m ai n  com pone nt  of  the  c ircuit   is  Ardu i no  U no  as  it   rec ei ves  data  a bout   the  po sit io n  of  tracke d  obj ec t  fr om  the  Pixy  CM U ca m 5.   The n,  A rduin o  will   cont ro l  the  m ov em ent  of  DC  m otor  acco r ding  to  t he  m otion   of  tr acke d  obj ect . Besi des  that, the  serv o m oto rs  are  dire ct ly  co ntr olled  by P ixy C M Uc a m 5  it sel f.             Figure  2. Bl oc k diag ram  o f  a uto - tracki ng m ob il e  rob ot       Figure  3. Sc he m at ic  circuit diagr am  o f  a uto - trackin g  m ob il e r obot       e.   Co m pleted  h ar dware de sign   The  f ollo wing  Figure 4  s how s  the co m plete   m ob il e ro bo t e qu i pp e d wit h  P ixy ca m er a fo r t he  pur pose  of  c olo r   detect ion  an d  trac ki ng.  I n  a ddit ion  to   the   cam era,  the   m ob il e  r obot  is   al s o  e quipee d  with   t wo  DC  m oto rs,  m oto r dr i ver ,  and  pa n - ti lt   m echan ism  w hich  co ns i sts of tw o  i nter - co nnect ed  se r vo m oto rs.         Figure  4. Final  h a rdwar e  d e sign                           Ar d u in o   Un o   P ixy  CM U ca m 5   L 2 9 3 D   M o to r   D riv er   D C  M o to r   D C  M o to r   Serv o   M o to r   Serv o   M o to r   P o we r Su p p ly   9V   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Impr ovem e nt  of  Au to - Tr ackin g  M obil e Robot  b ase d o n H SI Color  M od el  ( Su r esh  Su ndarajo o )   1353   f.   Pro gra m mi ng flowch art   Figure  5  sho ws   the  pro gr am m ing  flo wc har t  of  a uto - tracki ng   m ob il e  rob ot.  Firstl y,  w he n t he  de vice  is  tur n  on,  the  sy stem   will   be  init ia li zed.  Af te r   that,  the  Pixy  CM Ucam 5  vision   se nsor  will   find   t he  sig nat ur e  of   the  tracki ng   ob j ect .  O nce  t he  obj ect   is  detect ed  the  visio n  s ens or   will   cal culat e  the  area  a nd   x - co ordinat e  of   t he  trackin g  obj ect   for  eve ry  20  m illi secon ds.  To  m ake  su re  the  tracke d  obj ect   al ways  pa rall el   with  the  visio n  sens or  an   op ti m u m   area  an d  x - c oor din at e  a r e  set   as   re fer e nc e  val ue  w her e   the   re fer e nce   values   are   def i ned  as    ,  ,          .  If         >      m eans  t he   ob j ect   is  t oo  near  to   the   de vi ce.  Th us,  t he  dev ic e   will   m ov e   ba ck wards   to  kee p  the   de vice  a nd  ob j e ct   at   op tim u m   range.   Sam e  goes  if        <     ,  this  m eans  the  obj ect   this  fa r  f ro m   the  dev i ce.  Th us ,  t he  m ob il e  ro bot  will   m ov e  f orward  un ti l  it   is  at   an  opti m u m   range.   Be side s  that,  x - c oor di nates  are  us e d  to  determ ine  the  m ov em ent  of   t he   obj ect   in  x - directi on.   I f  th e  ob j ect     <     m ea ns   t he  obj ect   is  at   le ft.   Th us,  t he  pro gr am   will   set   the  rig ht  m oto r   on  a nd  le ft   m oto r   off s o  that   th e  m ob il e  r obot   can  t urn   le ft.   S a m e  goes  f or    >    c onditi on  w her e   f or  t his con diti on  t he object  is t o  t he rig ht.           Figure  5. Pro gra m m ing   flo wc har t  of aut o - tr a ckin g  m ob il e r obot       3.   RESU LT S   A ND  DI SCUS S ION   The  a uto - track ing   m ob il e  r obot  able  to  t racki ng   obj ect s  e ffec ti ve ly   as  pro po s ed  at   norm al   conditi on .   Seve ral  e xp e rim ents  we re  ca r ried  out  on  the   pro po se d  syst em   to  ensure   the   ob j ect ive  of  th e  pro j ect   is   ac hi eved.   First  ex per im e nt  was  to  deter m ine  the  m axim u m   ta rg et   locking  distan ce.   Anothe r   ob j ec ti ve  of   this  pro j ect   to  ev al uate   the   ac cur acy   of  c ol our   ide ntific at io n  i n  dif fer e nt  i ll u m inati on   a nd  bac kgr ound  conditi ons ,   an d  t hus  i m pr oves  it   e f fici ency  in   tra ckin g  within   var i ou s   e nv i ronm ent  includi ng  lo w   co ntra st  an d  al m os t  si m il ar   backg rou nd - ta r get  col or  en vir on m ent .  T hu s ,   th e  sec ond  ex per im ent  is  car ried  out  to  det erm ine  the  effe ct   of      STA RT   F i nd O b j ec t   Sig nat ur e     O b j ec t   s i g nat u r e   de t e ct ed ?       >   <   <   >   C a lcula te   obj ec t ’ s  a r e a a nd   x - coor di nat e   I nit ializ ing  the s y stem     Rig h t  M o t o r &  L eft   M o to r   in  fo r ward  d irectio n   Onl y   L eft   M o t o r  in   fo rward   d ir ect i o n       Rig h t  M o t o r &  L eft   M o to r   in   b ack wards   d irectio n   Onl y   R ig h t  M o t o r  in   fo rward   d ir ect i o n     No v   No   No   No   No   Yes   Yes   Yes   Yes   Yes   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1349   –   1357   1354   backg rou nd  co lour  durin g  ob j ect   trac king.   Thir d  e xperim ent  wa s  to   exe rm ine   the  eff e ct   of  il lum inati on   on   detect ion an d  t arg et  tra cki ng.     a.   Maximum  tar get lockin g di sta n ce   The  ob j ect ive  of this  exp e rim ent is  to  d et e r m ine the  m axi m u m  d ist ance  of tar get  from  the  de vice t hat  giv es  acc ur a cy   and   e ff ic ie nt  tracki ng.  Th e  re su lt   of   t he  ex pe rim ent  is  in  T able  1 .  Ba se d  on   Table  1  it   is  fou nd   that  wh e n  t he  de te ct ion   ra ng e  is  increase d  as  the  sta bili ty   of   the  t arg et   loc ki ng   dec reases.  At  sig natur e  ra ng e  of   8.5,  t he  visi on   sens or   a ble  to  detect   ta rg et   th at   240cm   away  from   the  visio n  se ns or.  H owever,  at   this  ra ng e   of   detect ion  the   tr ackin g  l os s   occ ur s   f re qu e ntly   du e   to   un sta ble   ta r get  loc king   as  s how n  i n  Figure   8.   At  si gnat ur e   range  of  1.5  th e  ta rg et   loc king  is  ve ry  sta ble  as  sh ow n  in  Fi gure  6.  But,  t he   range  of  de te ct ion   is  ve ry  shor t.  The   m os t  m axi m um  ta rg et   locki ng   distance   an d  the  m os t  sta ble  ta rg et   l ock  is  giv e n  at   sig natu re  ra nge  of  5.5  a s   sh ow n  in  Fi gur e 7   a nd  this  is the  op ti m u m  sett ing  of si gn at ure ra nge  for be st detec ti on and e ff ect ive  trac king.          Table  1.  Res ult o f  E xp e rim ent  A   Sig n atu re  rang e   Ran g e of  Detec tio n (c m )   Tar g et  Lock   Stab ility   1 .5   90   Hig h   2 .5   125   Hig h   3 .5   150   Hig h   4 .5   170   Hig h   5 .5   190   Hig h   6 .5   210   Mod erate   7 .5   225   Mod erate   8 .5   240   Low               Figure  6.   Pix y   o utput   at   sing at ur e  ran ge  of   1. 5     Figure   7.   Pix y   o utput   at   sing at ur e  ran ge  of   5. 5     Figure  8.   Pix y   o utput   at   sing at ur e  ran ge  of   8. 5       b.   Effect  of  ba c k ground  du ri n g objec t  tr acki ng   The   ob j ect ive   of  t his  e xperim e nt  was   to   deter m ine  the   ca pabi li t y   of  visio n  s ens or  to  diff e re ntiat e  ta r get   and  bac kgr ound  if  both  hav e   alm os t  si m i la r  colo r.   Be side s  that,  the  acc ur a cy   of   detect ion  an d  trac king  i n  this   conditi on  is   stu died.  In  this   e xperim ent  a  gr e en  ball  is   use d  as  a   tracki ng  obj ect   an d  the   ba ckgr ound  c ol our   al so   set   as  green   c olo ur.   T his  e xper i m ent  is  co nduc te d  by  m anipula ti ng   t he  si gn a ture   ra ng e   par a m et er.  T he  res ult   of   the expe rim ent   is   ta bula te d  in   Table  2.       Table  2.  Res ult o f  E xp e rim ent  B   Sig n atu re  rang e   No ise Level   Tar g et  Lock   Stab ility   1 .5   No n e   Hig h   2 .5   No n e   Hig h   3 .5   No n e   Hig h   4 .5   Low   Hig h   5 .5   Mod erate   Mod erate   6 .5   Hig h   Low   7 .5   Hig h   Low   8 .5   Hig h   Low       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Impr ovem e nt  of  Au to - Tr ackin g  M obil e Robot  b ase d o n H SI Color  M od el  ( Su r esh  Su ndarajo o )   1355           Figure  9. Pixy  ou t pu t at   sig na ture  range  of 3.5     Figure  10. Pi xy  o ut pu t at   sign at ur e  ra ng e  of  5.5     Figure  11. Pi xy  o ut pu t at   sign at ur e  ra ng e  of  8.5       Ba sed  on    Tabl e  2  the   best   set ti ng  f or  sig natu r e  ra ng e   par am et er  is  at   3.5.  T hi s  is  beca us e   at   this  value   the  PixyC MUc a m 5  giv es   the   best  detect io n  and  ta r get   loc ki ng  without  a ny   noise .   At  the   sam e  tim e,  the   gree n  backg rou nd  al so  d id not  inter r up t  t he  trac king  as sho wn   i n  Figure 1 0.   Be s ides  that,   it   al so  g ives  t he  m axim u m   range   of   detect ion  with out  no ise   w hich   is   a bout  150  cm .  This  m eans  t he   aut o - t rack i ng  m ob il e   r obot   able  t o   track  an  obj ect   from   a  distance  of   150  cm .A t  sign at ure  ra nge  of   5.5  ther e  is  ve ry  sli gh t  bac kgr ound  inter ruption  as  show n  Fig ure  10.  Be si des   that  ,  at   sig na ture  range  of   8.5  t he  Pixy  C MUcam 5  un a bl e  to  dif fer e ntiat e  the  backg rou nd  an d  ta r get  when   bo t h  a re  i n  sa m e  color  as  show n  i n  Fig ur e   11  ,   this  will   cause  t rack i ng  loss    due   m isi nterp et ion   betwee n  ta r get  and   obj ect . Th us ,  si gn at ur e  ra ng e  of   3.5  giv e s  the  best  trac ki ng   wh e n  the  obj ect   colo r  a pp ea r  i n bac kgr ound.      c.   Effect  of ill u m inat i on   durin g   object  t r acki ng   The  s urr ounding  bri ghtness   al so   play s  a n  i m po rtant  ro le   in  pe rfo rm ance  an d  se ns it ivit y  of   Pixy  CM Ucam 5 visi on   se nsor . Fi rst ly , t he a uto - tra ckin g m ob il e  was t est ed i n  va rio us   li gh ti ng  conditi on. It   is  fou nd   that  the   dev ic e   loss   trac king   wh e n  the re  is   dr am at ic   change  i n  li gh ti ng   conditi on.   H oweve r,  the   trac king  was   sti ll   sta ble  wh e n  the re  is  on ly   sli gh t  cha nge  i n  il lum inati on .  Th us ,  a n  e xp e ri m ent  was  c onduct ed  at   five  di ff e ren t   su r rou nd i ng  li gh ti ng  c onditi on s .  At  the  sa m e  tim e  PixyC MUcam 5  cam era’s   bri ghtn ess  ke pt  co ns t ant.    T he   resu lt   of  the  e xperim ent  ta bu la te d  in  Ta ble  3 .   At  this  point,  we  awa re  with  the  i m pr ovem e nt  pro posed  by  Abd ul   Gh a ni  ( 2018 )  a nd  A bdul  G ha ni   an d  Ma t  Isa   (20 15)  for  t he   en han cem ent  of   im age  co ntr ast .  This  m et ho d  will   be  im ple m ente d  in  ou r next e nh a ncem ent syst e m  f or a  bette r  c olo r  d et ect i on w it h va rio us i ll umi nations.       Table  3.  Res ult o f  E xp e rim ent  C (bef or e  cali br at in g)   Su rr o u n d in g  Brightnes s   Pix y  Brigh tn ess   No ise Level   Tar g et  Lock  Stabil ity     Ver y  brig h t   80   Hig h   No n e   Brig h t   80   Mod erate   Low   No r m al   80   No n e   Hig h   Less Brig h t   80   Less   Hig h   Dark   80   Mod erate   Low       Ba sed  on  Ta bl e  2  the  facto rs  that  dif fer e ntiat e  al l  this  cond it ion   are  th e  sta bili ty   of   the  ta rg et   loc k  by  Pixy  visio n  se nsor  a nd  the  no i se  ge ner at ed  from   the  back gr ound  of  the  tra ckin g  ob j ect .  H ow e ve r,   this  prob le m   can  be  overc om e  by  cal ibrati ng  the   bri ghtne ss  of  Pixy  CM Ucam 5  visio n  sens or  unti l  th e  ta rg et   loc k  is   sta ble.   Hen ce ,   the  Pix y  CM Uca m 5  vi sion   se nsor  m us t  be  cal ib rate d  eve ry  tim e  the  m ob il e  rob ot  exp e rience  sig nificant   su r rou nd i ng  bri gh tne ss  c hang e.  T hu s ,  the   ex per im ent  is  repea te d  by  ad justi ng   t he  br i gh t ne ss  of  Pi xy  ca m era   un ti l t he  ta rg et   lock  is  stable a nd the  noise  l e vel is re duced . T he res ult i s tabu la te d i n Tabl e 4 .       Table  4.  Res ult o f  E xp e rim ent  C (a fter cali br at ing )   Su rr o u n d in g  Brightnes s   Pix y  Brigh tn ess   No ise Level   Tar g et  Lock  Stabil ity   Ver y  brig h t   20   Less   Mod erate   Brig h t   50   No n e   Hig h   No r m al   80   No n e   Hig h   Less Brig h t   100   No n e   Hig h   Di m   120   No n e   Mod erate     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1349   –   1357   1356   Table  3  sho ws  the  data  c ollec te d  afte r  cal ibra ti ng   the  Pixy  br igh tne ss  wit h  the  s urrou nd i ng  br i gh t ness .   Re su lt s  pro ves   that  the  PixyC MUcam 5  able  to  detect   an d  tr ack  ob j ect   at   va rio us   il lum ina ti on .  T his  will   m ake   the  a uto - trac kin g  m ob il e  r ob ot  ine ff e ct ive  as  it   will   lo ss   tracki ng  wh e n  the  bri ghtness   changes   dr am at ic al ly  un ti l i t i s cali brat ed  agai n. The  r es ults o f  ta r ge t l ock in g an d no ise  level a re  sh ow n  in  Fi gur e s   12 - 15.                 Figure  12. Pi xy   ou t pu t at   ve r y br i gh t c ondit ion .   (b e fore a nd aft er cali brat ing)         Figure  13 Pi xy outp ut at bri gh t condit ion.  (b e fore  and after  cali brat ing )             Figure  14. Pi xy  o ut pu t at   nor m al  an d  le ss  br igh t  conditi on. (be f or e  and a fter c al ibrati ng)     Figure 15.  Pi xy outp ut at da r k condit ion.  (b e f or e  and  after cali brat in g)       4.   CONCL US I O N   The   im ple m ent at ion   of   en ha nc e m ent  integra te d  with   filt ering  m et ho ds   in   auto - tracki ng  m ob il e  ro bot   giv es   a   sat isfac tory  s olu ti on   to   the   pr ob le m s  that  discusse d  i n t he  pro blem   sta tem ent.  T o  i m pr ov e   the   acc ur acy   of  ide ntific at io n  of  obj ect   c olo r   in   diff e re nt  il lu m inati on   a nd  bac kgrou nd  co ndit ion s ,   th e  H SI  c olor  m od el   is   us e d  in   im age  processi ng  al gorithm .  The  enh a ncem ent  and  filt erin g  processes   in  HS I   col or  m od el   ha s   su ccess fu ll y  in te gr at ed  t o  so l ve  the  pro blem s  of   l os s  of   c olo r  trac king.  Ex per im ental   resu lt s  dem on stra te   that  wh e n  H SI  col or - base d  filt erin g  al gorithm   is  app li ed   t o  visua l  tracki ng  it   im pr ov es   the   ac cur acy   an d  sta bili ty   of   colo r   trac king  unde r  the  co nd it ion   of  var yi ng  br ig ht ness,   or  ev en  i n  the   lo w - c ontrast   e nviro nm ent ,  as  di scusse d  in the res ults . B esi des  that,  th is al gorithm  al so   pr e ve nts tra ckin g  lo ss  du e   to  sim i la r  bac kgr ound   c olor .   Althou gh   t he  t rack i ng   l os s  is su e  du e  s ud de n  li gh ti ng   c ha nge  ca n  be  s ol ve d  by  cal ib rati ng   t he  vision   sens or .  One  of   the futur e  work that ca n  be d on e t his projec t i s to  m ake  hig h  acc uracy  col or   detect ion   of   visi on   sens or  es pecia ll y  wh e n   the   bri ghtness   c hanges.   Be side s  t hat,   this   pro bl e m   al so  can   be   s olv e d  by   re placi ng  PixyC MUcam 5  wit h  a  m or e  reli able  cam e ra  that  a ble  to   ad j us t  cam era  br i gh t ness  w hen  the  s urr ound i ng   il lu m inati on   va ries.   F or  f uture   i m pr ovem ent,  the  in vestigat i on  on  t he  reli able  an d  r obus t  al gorithm   fo r  bette r   colo r  trac king   will   be   inclu de d.  T he  rob us t  c olor  trac king   w il l  be  base d  on  the  c urren t   fi nding  w hich   a re  r el at ed   to  the   prob le m s  of   in hom og ene ous  il lum i nation,  va ri ou s  bac kgr ound   colo r,  an d  sim il arit y  of   ta rget   an d  backg rou nd col or .       ACKN OWLE DGE MENTS   Au t hors  w ou l d  li ke  to  t hank  a ll   rev ie we rs  for   the  c on tri bu ti on  to ward  im pr ovin g  the   pa per.   This  w ork  is  sup ported   by   internal   gra nt   U niv er sit i  Ma la ysi a  Paha ng  ( UMP),  Au t om ot ive  E ng i ne erin g  Ce ntre  ( AEC) ,  RDU 180313 1  entit le d  “ De velo pm ent  of  Mult i - Visio n  G uid e d  Ob st acl e  Avoida nc e  Syst em   fo r  Gro un d  Veh ic le ”.           Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Impr ovem e nt  of  Au to - Tr ackin g  M obil e Robot  b ase d o n H SI Color  M od el  ( Su r esh  Su ndarajo o )   1357   REFERE NCE S   [1]     Luo  B. ,   Ding  Y . ,   Hao   K.,  Li u   J.  (2015)  R ese ar c h  on  Mobile  rob ot  pat h   tracki ng   base d  on  col or  vision.   Chin ese   Autom at ion  Con gre ss .   W uhan, C hina .   27 - 29  Nov ember  2015.     [2]     Fang  F.,  Qian   K.,   Zhou   B. ,   M a  X.   (2017) .   R e al - T ime  RGB - D  base d   Peopl e  Dete c ti on   and   T rac king   S y s te m   for   Mobile   Robo ts.  Proce edi ng   of   20 17  IEEE,  Int ern a ti onal  Conf ere nc e  on   Mec h at roni cs  and   Autom at i on ,   Augus t   6  –   9 ,  Ta kamatsu, Japa n.   [3]     Abdul  Ghani   A. S.,   R aj a   Aris  R . S.N.A. ,   Muhd  Z ai n  M. L.,  Uns up erv ised  Con tra st   Corre ct ion   for  Underwat er   Im age  Quali t y   Enha n cem ent   through  In t egr ated - Int ensity  Stretche d - Ra y l e igh  Histograms .   Journal  of  Te l ecom m uni ca ti on,   El e ct roni c and  C om pute r  Engi n e eri ng.   ISS N:  218 0  –   1843   e - ISS N:  2289 - 8131  Vol .   8   No.  3 .   [4]     Cla rk,   M. ,   Feldp ausc h,   D. ,   &  T e wolde,   G.  S.  (20 14).   Microsoft  ki nec t  sensor  for  r e al - ti m e  col or  tr a cki ng  robot .   IEEE   Inte rna ti ona l  Co nfe ren c e  on   E le c tro  Inform at ion   Te chno log y ,   416 – 421.   ht tps:/ /do i.org/10. 1109/ EIT.2014. 6871800   [5]     Gam al ,   B .   E.,   Ouda,  A. N . ,   E lha l wag y ,   Y.   Z.,  &  El nasha r ,   G .   A.   ( 2016).   Embedde d  ta rg et  de tecti o n  s y st em  base d   o n   raspbe rr y   pi   sy stem.   2016   1 2th  In te rn at ion al  Com pute r   Engi ne eri ng   C onfe ren c e   (ICE NCO ),   154 – 15 7.   htt ps:// do i. org/1 0. 1109/ICE NCO . 2016. 7856461   [6]     Sendar i,   S . ,   Le st ari ,   D . ,   Kus um ohadi ,   C .   U. ,   W ib owo,  F.  S.,   &  A nam,  K.  (2017). Int egr a ti ng  embedde d  col or   visio n   to Bio loi d   robot   for pl a y ing   socc er.  Proce edi ngs  -   Int ern ational  Co nfe ren c e   on  S ign al s  and S y stems ,   ICSigS y s   2017 ,   297 – 302.   ht tps:/ / doi. org/10 . 1109/ ICSIG SYS.2017. 7967060   [7]     W an,   M.,   Gu,  G . ,   Qian ,   W . ,   R en ,   K.,   &  Chen,   Q .   (2017).   Hue  pr ese rva t ion  base d   col or  spac e  tr a nsform at ion  for  bright ness - robust  tracki ng.   Op ti k   -   Inte rn ati onal  Journal   f or  L ight  and   E lectr on   Opti cs,   144,   26 – 3 3.   htt ps:// do i. org/1 0. 1016/j.ijleo . 20 17. 06. 073   [8]     Abdul  Ghani  A. S.,   Mat  Is a  N.A .   (2017).  Autom at i c  s y st em  for  improving  unde rwate r  image  co ntra st  and   col or   th rough  rec u rsive  ada p ti v e  histog ram  m odifi ca t io n.   Com pute rs  an d  El e ct roni cs  in  Agric ult ur e  141  (2017)  181 – 195.   htt p://dx.doi.org/10.1016/j.c om pa g. 2017. 07 . 021     [9]     W ang,   Y.   (2009 ).   2009   As ia - Pa c ifi c   Confer ence  on  Inform at ion   Proce ss ing  A  no vel  m et hod  for   o bje c t  r ec ogn it io n   under   var y i ng  il l um ina ti on,   210 – 213.   ht tps:/ /do i. o rg/10. 1109/APC IP.2009. 188   [10]     Soans  R. V.,  He gde  A. ,   Kum ar   A.,  Ranjith ,   Si ngh  C.   (2017).  Object  Tra ck in g  Robot  Us ing   Adapti v e  Colo r  Thre sholding .   Proce ed ings  of  the   2nd  Inte rna ti ona l  Confer en ce   on  Com m unic at ion  and  Elec tron ic s  S y stems   (ICCES   2017)  IEEE  Xpl ore   Com pli an t  -   Part  Num ber :  C FP 17A W O - AR T,   ISBN :978 - 1 - 5090 - 5013 - 0   [11]     Zha o,   S. ,   Li u ,   B. ,   R en,  Y. ,   &   Ha n,   J .   (2009).  Col or  tr ac k ing  v isio n  s y s te m   for   the  aut onom ous  rob ot.  ICEMI   2009   -   Proce edi ngs  of   9th  Internat io nal   Confer ence   on  El e ct ron ic  Mea surem ent  and  Instrum e nts,  3182 – 3185 .   htt ps:// do i. org/1 0. 1109/ICE MI.2 009. 5274360   [12]     Abdul  Ghani,   A. S .   2018.   Im age   c ontra st  enh ance m ent   using  an  in te gra ti on  of  r ec u rsive - over l appe d   cont rast  li m it e d   ada pt ive   histogr am  spec ifica t ion   and  dua l - image   wave let  fusion  for  the   h igh  visi bil ity   of  de ep  u nder wate r   image .   El sevi er:   Oc ea n  Eng inee ring,   Volum e  162  (2 018)   pp.   224 - 238.   ISI - Q1.  DO I:   htt ps:// do i. org/1 0. 1016/j.oc ea ne ng. 2018. 05 . 027   [13]     Abdul  Ghani   A. S.,   N.   A.   Mat   Isa .   2015 .   Hom om orphic   Fi lt er ing  w it h  Im ag e  Fus ion   for Enhan ce m e nt  of   Det ai ls  and  Hom ogene o us  Contra st  of   Under wate r  Im ag e  –   Special  Iss ue .   Ind ia n  Journa l  of   Geo - Marine  Sci en ce s  (IJM S).  Vol   44(12),   pp .   1904 - 1919(ISI - Q4).  h tt p://nopr.n isca ir . res. in /ha nd le /12 3456789/34939 .       BIOGR AP HI ES OF  A UTH ORS       Suresh  Sundara j oo  is   a   Proj ec t   E ngine er   at  DN C  Autom at ion  (M)   Sdn.   Bhd.   whi c h  is   lo ca t ed   at  Puchong,   Ma la u y sia .   He   has  b een  with   DN C  Aut om at ion  sin ce  2 017.   His   m aj or   work  scope   is   in  the   f ie ld   of  pr ogra m m abl e  lo gic   cont rol le r  ( PLC ).   Previous l y ,   h e  obt ai n ed   Bac h el or  of  Mec hat ron ic  (Hons ) at U niv ersiti  Mal a y s ia  Paha ng  in 2017 .   His  f ina l   y ea r   proj ect  is  relate d   to   th e  are as  o f  au tono m ous robot ,   ima ge  proc essing  an d  computer   visio n.           Ahm ad  Shahriz a n  Abdul  Ghani  i s  a  senior  lectur er  a t  Univer si ti   Malay s ia   Pah an g,   Mal a y s ia .   He  rec e ive d   M.E ng .   degr ee  in   m ec h atronics  from   Univ ersity   of   Appli ed   Scie n ce s   Augs burg,   Germ a n y   in  2009.   He  r ecei ved  the   Ph.D.  degr ee   in  image   proc essing  and   computer   visio n  s y stem  from   Univer si ti   Sains  Malay s ia   (US M) ,   Mal a y sia   in   20 15.   His  cur ren t  i nte rests  inc lud e  m ec hat roni cs,   col or  image  p roc essing,   computer   vision  s y stem,   r oboti cs,   sensor  a nd  instrumentati on  s y st em,  and  aut om at ion .             Evaluation Warning : The document was created with Spire.PDF for Python.