Implementasi Sistem Visi Komputer Pada Soc Untuk Menyesuaikan Kecepatan Autonomous Car Berdasarkan Warna Lampu Lalu Lintas

Arditya, Muhammad Hanif (2025) Implementasi Sistem Visi Komputer Pada Soc Untuk Menyesuaikan Kecepatan Autonomous Car Berdasarkan Warna Lampu Lalu Lintas. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022211110-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pada saat ini perusahaan-perusahaan besar di dunia telah mengembangkan Self-Driving Car atau mobil tanpa pengemudi. Teknologi pada Self-Driving Car berkembang pesat seiring dengan perkembangan Artificial Intelligence, khususnya deteksi lingkaran menggunakan transformasi hough yang mampu mengolah data input hingga menghasilkan keputusan yang dengan akurasi sangat tinggi. Penelitian ini mengimplementasikan sistem deteksi lampu lalu lintas pada System-on-Chip (SoC) untuk mengontrol kecepatan autonomous car, dengan membandingkan kinerja antara akselerasi perangkat keras berbasis Field-Programmable Gate Array (FPGA) dan perangkat lunak menggunakan OpenCV. Metode deteksi utama yang digunakan adalah Transformasi Hough Lingkaran untuk mengidentifikasi bentuk lingkaran dari lampu lalu lintas , yang diimplementasikan pada Programmable Logic (PL) dari SoC Kria KV260 dan diintegrasikan dengan Processing System (PS). Hasil pengujian kuantitatif menunjukkan bahwa implementasi pada FPGA memiliki kinerja yang lebih baik, dengan 57,14% dan waktu pemrosesan rata-rata, yaitu 0.022409 detik. Sebaliknya, implementasi berbasis perangkat lunak dengan OpenCV pada PS mencapai akurasi yang sebesar 35,71% dan waktu pemrosesan rata-rata yang signifikan lebih cepat, yaitu 0.0016 detik (1.6 milidetik) per gambar. Dengan menggunakan SoC jauh lebih baik keakuratannya dibandingkan dengan OpenCV, meskipun waktu pemrosesannya sedikit lebih lambat. Sistem kontrol kecepatan pada RC car berhasil diintegrasikan menggunakan mikrokontroler ESP32 yang menerima perintah serial dari SoC dan mengubahnya menjadi sinyal PWM untuk mengatur Electronic Speed Controller (ESC), membuktikan keberhasilan arsitektur kontrol secara keseluruhan. Penelitian ini menyimpulkan bahwa meskipun konsep akselerasi perangkat keras valid, optimasi desain HLS menjadi tantangan krusial untuk mencapai performa yang diinginkan, di mana implementasi perangkat lunak saat ini masih lebih unggul.
=======================================================================================================================================
Currently, major companies in the world have developed self-driving cars. Technology in Self-Driving Car is growing rapidly along with the development of Artificial Intelligence, especially circle detection using hough transform that is able to process input data to produce decisions with very high accuracy. This research implements a traffic light detection system on a System-on-Chip (SoC) to control the speed of autonomous cars, by comparing the performance between Field-Programmable Gate Array (FPGA)-based hardware acceleration and software using OpenCV. The main detection method used is the Circle Hough Transform to identify the circle shape of the traffic light, which is implemented on the Programmable Logic (PL) of the Kria KV260 SoC and integrated with the Processing System (PS). Quantitative test results show that the implementation on FPGA has better performance, with 57.14% and an average processing time of 0.022409 seconds. In contrast, the software-based implementation with OpenCV on PS achieved an accuracy of 35.71% and a significantly faster average processing time of 0.0016 seconds (1.6 milliseconds) per image. Using SoC is much better in accuracy compared to OpenCV, although the processing time is slightly slower. The speed control system on the RC car was successfully integrated using an ESP32 microcontroller that receives serial commands from the SoC and converts them into PWM signals to regulate the Electronic Speed Controller (ESC), proving the success of the overall control architecture. This research concludes that although the concept of hardware acceleration is valid, HLS design optimization is a crucial challenge to achieve the desired performance, where software implementations are currently still superior.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	self-driving, transformasi hough, FPGA, lampu lalu lintas, self-driving, hough transform, FPGA, traffic lights
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7895.G36 Field programmable gate arrays--Design and construction.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering
Depositing User:	Muhammad Hanif
Date Deposited:	28 Jul 2025 08:14
Last Modified:	28 Jul 2025 08:14
URI:	http://repository.its.ac.id/id/eprint/122219

Actions (login required)

View Item