Kendali Kemudi Dengan Memindai Area Jalan Berbasis Kamera Termal

Authors

Abstract

Abstrak โ€” 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

Downloads

Download data is not yet available.

References

Waymo, https://id.wikipedia.org/wiki/Waymo, 21June 2021. Badan Pusat Statistik,

Published

2024-10-01

Issue

Pages

5433-5437

Section

Program Studi S1 Teknik Elektro

How to Cite

Siburian, S. E., Suratman, F. Y., & Satyawan, A. S. (2024). Kendali Kemudi Dengan Memindai Area Jalan Berbasis Kamera Termal. EProceedings of Engineering, 11(5), 5433-5437. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/24555