Kendali Kemudi Dengan Memindai Area Jalan Berbasis Kamera Termal

Abstract

Abstrak — Perkembangan teknologi telah mengalami kemajuan yang sangat signifikan khususnya di bidang kecerdasan
buatan, termasuk perkembangan di bidang kendaraan listrik otonom untuk efisiensi penggunaan sumber energi ramah
lingkungan. Mengaktifkan mobilitas otonom memerlukan teknologi yang memungkinkan kendaraan mendeteksi objek di
sekitarnya, termasuk pengenalan objek menggunakan segmentasi semantik.
Dalam penelitian ini digunakan sistem segmentasi objek untuk pengenalan jalan, dan sistem dibangun menggunakan
metode segmentasi berbasis deep learning. Informasi gambar diperoleh dari kamera termal FLIR. Metode segmentasi yang
digunakan dalam perancangan Capstone ini adalah arsitektur jaringan yang tersisa (ResNet 18, ResNet 34, ResNet 50, ResNet
101, Resnet 152 dan ResNext 50). Hasil segmentasi kemudian
digunakan untuk mengembangkan metode pengendalian kemudi dengan menganalisis area jalan yang tersegmentasi. Hasil analisis
berupa sinyal rekomendasi arah kendali kemudi yang dikirimkan ke sistem kendali kemudi kendaraan roda tiga listrik.
Hasil percobaan menunjukkan bahwa metode segmentasi ResNet 50 cocok digunakan pada sistem kendali terarah karena
prosesnya baik dan memiliki latensi yang rendah sehingga proses kendali terarah dapat dilakukan secara real time.

Kata kunci : Convolutional Neural Network (CNN), Deep Learning, Image Processing, Residual Network, Segmentasi
Semantik, Thermal FLIR