Sistem Penghindaran Objek Statis Berbasis Computer Vision Pada Miniatur Kendaraan Otonom
Abstrak
Penelitian ini bertujuan untuk merancang sistem penghindaran objek statis berbasis computer vision pada miniatur kendaraan otonom. IMX219-160 digunakan sebagai sensor utama untuk mendeteksi objek statis, sementara algoritma YOLO (You Only Look Once) berbasis CNN [Convolutional Neural Network] diterapkan untuk memproses data visual secara cepat dan akurat. Sistem ini dirancang agar dapat mengenali rintangan dan mengambil keputusan real-time, seperti mengubah jalur atau berhenti, guna mencegah tabrakan.
Perancangan sistem mencakup integrasi perangkat keras dan perangkat lunak, meliputi desain 3D kendaraan, konfigurasi kamera , serta implementasi algoritma YOLO. Harapannya, sistem ini dapat diimplementasikan dengan tingkat keberhasilan deteksi yang tinggi pada pengujian di berbagai kondisi lingkungan. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan kendaraan otonom yang lebih cerdas dan aman.
Kata Kunci: Computer Vision, Kendaraan Otonom, YOLO, CNN, Deteksi Objek,
Unduhan
Referensi
J. I. Satu, “Mobil Otonom: Teknologi Revolusioner di Dunia Transportasi,” website indonesiasatu. [Online]. Available: https://indonesiasatu.co.id/mobilotonom-teknologi-revolusioner-di- dunia-transportasi
T. K. Gautama, A. Hendrik, and R. Hendaya, “Pengenalan Objek pada Computer Vision dengan Pencocokan Fitur Menggunakan Algoritma SIFT Studi Kasus: Deteksi Penyakit Kulit Sederhana,” J. Tek. Inform. dan Sist. Inf., vol. 2, no. 3, pp. 437–450, 2016, doi: 10.28932/jutisi.v2i3.554.
E. Rakhman, N. Basjaruddin Cholis, A. Ramadhan, and I. Shidik Maulana, “Algoritma Penghindar Tabrakan Depan-Depan Menggunakan Sensor Fusion,”
Semin. Nas. Terap. Ris. Inov. Ke-6, vol. 6, no. 1, pp. 404–411, 2020.
F. Marchellyn et al., “Realsense Depth Camera Untuk Pengukuran Jarak Pada Mobil Autonom Roda Tiga,” pp. 3–6.
F. Dandi, “Perancangan dan Implementasi MiniaturKendaraan Otonom Berbasis IoT denganbantuan Computer Vision,” 2020.
D. Nafis Alfarizi, R. Agung Pangestu, D. Aditya, M. Adi Setiawan, and P. Rosyani, “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan
Literatur Sistematis,” J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 1, no.
, pp. 54–63, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk
A. Helnawan, M. Attamimi, and A. N. Irfansyah, “Sistem Segmentasi Jalan dan Objek untuk Kendaraan Otonom Menggunakan Kamera RGB-D,” J. Tek. ITS, vol. 12, no. 1, 2023, doi: 10.12962/j23373539.v12i1.110848.
T. A. Dompeipen and S. R. U. . Sompie, “Penerapan computer vision untuk pendeteksian dan penghitung jumlah manusia,” J. Tek. Inform., vol. 15, no. 4, pp. 1–12, 2020.
A. R. Putri, “Pengolahan Citra Dengan Menggunakan Web Cam Pada Kendaraan Bergerak Di Jalan Raya,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 1, no. 01, pp. 1–6, 2016, doi: 10.29100/jipi.v1i01.18.
J. Zophie and H. H. Triharminto, “Implemetasi Algoritma You Only Look Once ( YOLO ) menggunakan Web Camera untuk Mendeteksi Objek Statis da Dinamis Implementation of You Only Look Once ( YOLO ) Algorithm using Web Camera for Static dan Dinamic Object Detection,” vol. 1, no. 1, pp. 98–109, 2020.
M. F. Arif, A. Nurkholis, S. Laia, and P. Rosyani, “Deteksi Kendaraan Dengan Metode YOLO,” J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 2, no. 1, pp. 20–27, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk
M. G. A. Binuri, T. Haryanti, and M. A. Haq, “Penerapan Algoritma YOLO v7
Sebagai Deteksi Kecelakaan Kendaraan Pada Lalu Lintas,” Comput. Insight
J. Comput. Sci., vol. 4, no. 2, pp. 7–14, 2022.
P. Y. Putra, A. S. Arifianto, Z. E. Fitri, and T. D. Puspitasari, “Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4,” J. Inform. Polinema, vol. 9, no. 2, pp. 215–222, 2023, doi: 10.33795/jip.v9i2.1243.
D. T. Devi, V. A. Santos, and P. Rosyani, “Analisa Penggunaan Metode Faster
R-CNN dalam Pengenalan Wajah: Systematic Literature Review,” Bul. Ilm.
Ilmu Komput. dan Multimed., vol. 1, no. 1, pp. 258–262, 2023, [Online].
Available: https://jurnalmahasiswa.com/index.php/biikma
R. D. Chris, “Penerapan Metode Single Shot Detector (SSD) Untuk Klasifikasi Jenis Kerusakan Jalan Pada Data Video,” 2020.
A. Ayudhawara, B. Satrio, W. Poetro, M. Qomaruddin, I. Sultan, and A. Semarang, “Deteksi Ketersediaan Tempat Parkir menggunakan Mask R- CNN (Studi Kasus : Fakultas Teknologi Industri Universitas Islam Sultan Agung),” Semin. Ris. Mahasiswa-Computer Electr. (SERIMA-CE, vol. 1, no. 1, pp. 245– , 2023.
S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, and I. Cholissodin, “Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, p. 413, 2019, doi: 10.25126/jtiik.2019641275.
A. R. Wasril, M. S. Ghozali, and M. B. Mustafa, “Pembuatan Pendeteksi Obyek Dengan Metode You Only Look Once (Yolo) Untuk Automated Teller Machine (Atm),” Maj. Ilm. UNIKOM, vol. 17, no. 1, pp. 69–76, 2019, doi: 34010/miu.v17i1.2240.
F. Marpaung, F. Aulia, and R. C. Nabila, Computer Vision Dan Pengolahan Citra Digital. 2022. [Online]. Available: www.pustakaaksara.co.id
K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.
J. Redmon and A. Farhadi, “YOLO9000: Better, faster, stronger,” Proc. - 30th IEEE Conf. Comput. Vis. Pattern Recognition, CVPR 2017, vol. 2017- Janua, pp. 6517–6525, 2017, doi: 10.1109/CVPR.2017.690.
