Untuk mengunduh objek yang sudah kita daftarkan sebagai marker dapat dilakukan dengan cara berikut:
1. Centang objek yang akan digunakan sebagai marker 2. Klik download selected target
3. Pada form download selected target pilih sesuai yang dibutuhkan 4. Klik Download.
5. Tunggu beberapa saat hingga proses pengunduhan database untuk objek yang dipilih selesai.
2.3 Vuforia SDK
Vuforia adalah Augmented Reality SDK Software Development Kit yang digunakan sebagai pendukung untuk AR di perangkat mobile seperti Android dan iOS. Vuforia
menganalisis gambar menggunakan pendeteksi marker dan menghasilkan informasi ,seperti teks , video, objek 3D atau animasi virtual di kamera dari marker yang
terdeteksi oleh Vuforia API Waruwu, et al. 2015. Kemampuan registrasi citra memungkinkan pengembang untuk mengatur
posisi dan virtual orientasi objek, seperti model 3D dan media lainnya, dalam kaitannya dengan gambar dunia nyata ketika hal ini dilihat melalui kamera perangkat
mobile. Obyek maya kemudian melacak posisi dan orientasi dari gambar secara real- time sehingga perspektif pengguna pada objek sesuai dengan perspektif mereka pada
Target Image, sehingga muncul bahwa objek virtual adalah bagian dari adegan dunia nyata. SDK Vuforia mendukung berbagai jenis target 2D dan 3D termasuk target
gambar markerless, 3D Multi target konfigurasi, dan bentuk Marker Frame. Fitur tambahan dari SDK termasuk deteksi oklusi lokal menggunakan tombol virtual,
runtime pemilihan gambar target, dan kemampuan untuk membuat dan
mengkonfigurasi ulang set pemrograman pada saat runtime Rentor, 2013.
2.3.1 Arsitektur Vuforia Vuforia SDK memerlukan beberapa komponen penting agar dapat bekerja dengan
baik. Komponen - komponen tersebut antara lain :
Universitas Sumatera Utara
a. Kamera Kamera dibutuhkan untuk memastikan bahwa setiap frame ditangkap dan
diteruskan secara efisien ke tracker. Para developer hanya tinggal memberi tahu kamera kapan mereka mulai menangkap dan berhenti.
b. Image Converter Mengkonversi format kamera misalnya YUV12 kedalam format yang
dapat dideteksi oleh OpenGL misalnya RGB565 dan untuk tracking misalnya luminance.
c. Tracker Mengandung algoritma computer vision yang dapat mendeteksi dan
melacak objek dunia nyata yang ada pada video kamera. Berdasarkan gambar dari kamera, algoritma yang berbeda bertugas untuk mendeteksi
trackable baru, dan mengevaluasi virtual button. Hasilnya akan disimpan dalam state object yang akan digunakan oleh video background renderer
dan dapat diakses dari application code. d. Video Background Renderer
Me-render gambar dari kamera yang tersimpan di dalam state object. Performa dari video background renderer sangat bergantung pada device
yang digunakan. e. Application Code
Menginisialisasi semua komponen di atas dan melakukan tiga tahapan penting dalam application code seperti :
1. Query state object pada target baru yang terdeteksi atau marker. 2. Update logika aplikasi setiap input baru dimasukkan.
3. Render grafis yang ditambahkan augmented. f. Target Resources
Dibuat menggunakan on-line Target Management System. Assets yang diunduh berisi sebuah konfigurasi xml - config.xml - yang memungkinkan
developer untuk mengkonfigurasi beberapa fitur dalam trackable dan binary file yang berisi database trackable Rentor, 2013.
Detail Kerja Vuforia adalah sebagai berikut : 1. Kamera akan menangkap gambar dari dunia nyata untuk melacak marker
dan kemudian melakukan registrasi marker. Universitas Sumatera Utara
2. Gambar yang ditangkap sebagai marker di konversikan dari format YUV 12 ke format RGB565 untuk OpenGL ES kemudian mengatur
pencahayaan untuk pelacakan marker. 3. Setelah itu marker dikonversikan menjadi beberapa frame, dengan
menggunakan algoritma computer vision untuk mendeteksi dan melakukan pelacakan objek nyata yang diambil dari kamera. Objek tersebut dievaluasi
dan hasilnya akan disimpan yang kemudian akan diakses oleh aplikasi. 4. Berikutnya, setelah mendapat posisi kamera yang tepat maka objek yang
telah ditangkap oleh kamera tadi akan di render dan divisualisasikan dalam bentuk video secara realtime.
5. Objek yang ada pada video akan tampak menempel diatas marker.
Output akhirnya yaitu objek akan ditampilkan pada display screen smartphone, sehingga ketika user melihat objek seolah
– olah objek tersebut berada didunia nyata Pratama, 2014. Untuk lebis jelasnya dapat dilihat pada Gambar 2.4 :
Gambar 2.4 Gambaran Kerja Vuforia AR SDK
Sumber : Rentor, 2013
Universitas Sumatera Utara
2.3.2 Multi Target Tracking Multi target tracking adalah salah satu fitur pelacakan yang dimiliki oleh vuforia
dalam menciptakan augmented reality. Fitur pelacakan multi target terdiri dari beberapa gambar sasaran dalam susunan geometris yang telah didefinisikan. Posisi
dan orientasi masing – masing gambar sasaran didefinisikan relatif terhadap asal
multi target, yaitu berada di pusat volumetriknya. Semua gambar dalam multi target dapat dilacak secara bersamaan karena
mereka memiliki sifat relatif yang telah ditentukan pada asal mulanya. Multi target dibuat dengan mendefinisikan hubungan antara beberapa gambar sasaran yang ada
menggunakan Vuforia Target Manager atau dengan langsung memanipulasi konfigurasi dataset file XML. Vuforia dapat melacak hingga lima target secara
bersamaan https:developer.vuforia.com.
2.3.3 Natural Features Tracking Dalam mengenali marker yang akan di tracking vuforia menggunakan metode yang
dinamakan Natural Features Tracking NFT. Secara umum Natural Features Tracking NFT adalah pendekatan berbasis penglihatan. Pendekatan berbasis
penglihatan dapat diklasifikasikan kedalam teknik pelacakan berbasis model dan teknik berbasis fitur. Klasifikasi ini mempertimbangkan jumlah pengetahuan
terdahulu yang perlu dimiliki sistem pelacakan tentang kejadiannya. NFT merupakan bagian dari teknik berbasis fitur yang bergantung pada fitur
– fitur alami. Sebagian besar penelitian dikhususkan untuk Natural Feature Tracking pada aplikasi
Augmented Reality sejak AR bergantung pada proses pelacakan dan NFT memfasilitasi penggunaan benda
– benda fisik di sekelilingnya Radkowski Oliver, 2013.
Feature tracking merupakan langkah proses awal yang diperlukan dari masalah struktur dari gerak yang menemukan struktur 3D yang diambil dari gambar dari waktu
ke waktu. Karena fitur yang cocok adalah satu-satunya informasi awal untuk penglihatan lebih lanjut berbasis inferensi, skema pelacakan berbasis titik
konvensional mencoba untuk mencari banyak poin fitur sebanyak mungkin. Kebanyakan skema sebelumnya Natural Feature Tracking telah difokuskan pada
deskripsi dan pencocokan fitur antara dua gambar berturut-turut. Metode mereka mengekstrak satu set baru fitur titik dari masing-masing gambar yang baru muncul,
bukannya mempertimbangkan fitur yang dicocokkan sebelumnya. Ekstraksi dan Universitas Sumatera Utara
pencocokan titik yang baru ditetapkan memakan waktu dan harus dihindari terutama ketika metode ini digunakan untuk aplikasi real-time Solin, 2014.
Dalam penglihatan aplikasi berbasis Augmented Reality tujuan Natural Features Tracking adalah untuk menghitung homograpi antara adegan planar dan
gambar yang diproyeksikan. Untuk memastikan adanya pola, harus ada sejumlah besar titik fitur untuk pola planar dan juga jumlah titik fitur yang cukup harus
disesuaikan dengan poin dalam gambar yang diproyeksikan. Untuk mengidentifikasi wilayah persegi panjang pola diproyeksikan, homograpi yang dihitung dari titik
pasang dicocokkan. Sebuah aplikasi memanfaatkan homograpi untuk layanan lebih lanjut pengolahan tertentu Gruber, et al. 2010.
2.4 Unity 3D
