Analisis Integrasi Mobile Mapping Multisensor GNSS-LiDAR-Kamera Untuk Identifikasi Pelanggan PDAM

Triawan, Luki Adi (2023) Analisis Integrasi Mobile Mapping Multisensor GNSS-LiDAR-Kamera Untuk Identifikasi Pelanggan PDAM. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 03311940000033_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (11MB) | Request a copy

Abstract

Sistem kerja LiDAR berdasarkan prinsip time of flight (ToF), menggunakan waktu transmisi dan penerimaan sinar laser untuk menghitung jarak antara sensor dengan objek yang dipantulkan, sehingga menghasilkan posisi objek berupa kumpulan awan titik yang biasa disebut point cloud. Pada tugas akhir ini digunakan perangkat LiDAR Velodyne VLP 16 memiliki visual seluas 360 derajat. Sensor ini memiliki jangkauan deteksi hingga 100 m. Tugas akhir ini juga menggunakan receiver GNSS untuk menetapkan posisi koordinat dari hasil identifikasi objek LiDAR. Keunggulan penggunaan sistem kerja LiDAR adalah mampu mendeteksi suatu objek di luar maupun di dalam ruangan. Tujuan dari tugas akhir ini adalah mengintegrasikan LiDAR, GNSS dan Kamera untuk menghasilkan produk yang mampu melakukan pemetaan 3 dimensi dengan akurasi cukup bagus dengan biaya minimum. Hasil dari tugas akhir ini adalah peta 3D yang didapatkan dari point cloud dari LiDAR dan kamera dengan posisioning yang didapatkan dari GNSS, dimana pada georeferensi data LiDAR
memiliki RMSE sebesar 0.39392 m. Data LiDAR dilakukan perbandingan dengan hasil ground truth menghasilkan selisih paling besar sekitar 0,331776 m dan paling kecil 0,000049 m yang artinya data memiliki kualitas yang baik. Data LiDAR yang dihasilkan memiliki kualitas dengan LOD 2 namun kurang bagus dalam mengidentifikasi jenis objek karena belum ada informasi RGB atau visualisasi yang cukup. Pada integrasi data LiDAR dan model 3D data kamera memiliki kualitas dengan LOD 2 dan cukup baik untuk identifikasi jenis objek rumah atau usaha, hal ini karena data sudah ada informasi RGB. Pada pengolahan data foto menggunakan AI dihasilkan dataset dengan mAP sebesar 73%, presisi sebesar 57% dan recall sebesar 87%. Dimana hal ini menandakan bahwa model yang dibuat memiliki kualitas yang baik dalam melakukan deteksi objek secara keseluruhan. Dari hasil training menggunakan yolo didapatkan prediksi ojek usaha lebih baik daripada
prediksi objek rumah. Sedangkan dari grafik hasil training didapatkan semakin dilakukan iterasi maka semakin baik prediksi yang didapatkan. Dari hasil prediksi data menggunakan data lapangan mobile mapping didapatkan hasil presentase benar dalam prediksi data rumah sebesar 55%, dan usaha sebesar 91,5%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Artificial Intelligent, Kamera, LiDAR, Low Cost GPS, Model 3D.
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G109.5 Global Positioning System G Geography. Anthropology. Recreation > G Geography (General) > G70.212 ArcGIS. Geographic information systems. G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Environmental Engineering > 25201-(S1) Undergraduate Thesis
Depositing User:	Luki Adi Triawan
Date Deposited:	03 Aug 2023 03:49
Last Modified:	03 Aug 2023 03:49
URI:	http://repository.its.ac.id/id/eprint/101463

Actions (login required)

View Item