Rabbany, Fihriz Ilham (2025) Implementasi Bird’s Eye View Pada Dashcam Kendaraan Untuk Analisis Lingkungan Jalan. Other thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 5025211040-Undergraduate_Thesis.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
5025211040-Undergraduate_Thesis.pdf - Accepted Version Download (6MB) |
Abstract
Dalam beberapa tahun terakhir, autonomous driving telah menjadi bidang riset yang berkembang pesat. Salah satu komponen utama dalam sistem ini adalah kemampuan untuk menganalisis kondisi jalan secara visual. Tugas akhir ini bertujuan untuk mengembangkan sistem transformasi citra dari dashcam ke tampilan bird’s eye view (BEV) tanpa memerlukan data kalibrasi kamera atau sensor tambahan dengan menggunakan pendekatan homographic transformation. BEV adalah tampilan atau perspektif seolah-olah melihat objek dari atas. Sistem mengintegrasikan model YOLOPv2 untuk deteksi kendaraan dan segmentasi jalan, serta memanfaatkan model Convolutional Neural Network (CNN) untuk estimasi horizon line dan vertical vanishing point sebagai parameter geometris utama transformasi. Untuk memperhalus representasi garis jalan, digunakan metode regresi polinomial orde tiga. Sistem juga dilengkapi dengan algoritma pelacakan Simple Online And Realtime Tracking (SORT) untuk mempertahankan identitas kendaraan antar frame. Sistem diuji pada 40 video dashcam berdurasi pendek dengan evaluasi kualitatif hasil proyeksi. Rata-rata waktu proses untuk frame pertama adalah 14,59 ± 1,30 detik, sedangkan frame berikutnya 1,61 ± 0,27 detik, menggunakan laptop tanpa GPU khusus. Sistem mampu menghasilkan tampilan BEV yang informatif. Namun, sistem masih memiliki keterbatasan dalam akurasi proyeksi kendaraan dan representasi jalur kompleks. Secara keseluruhan, sistem ini menunjukkan potensi sebagai modul pendukung dalam pengembangan autonomous driving berbasis kamera tunggal dengan biaya komputasi yang rendah. Pengembangan lebih lanjut disarankan pada aspek estimasi parameter rotasi, integrasi informasi kedalaman, serta adaptivitas representasi jalur jalan.
=============================================================================================================================
In recent years, autonomous driving has become a rapidly growing area of research. One of the key components in this system is the ability to visually analyze road conditions. This final project aims to develop an image transformation system from a dashcam to a bird's eye view (BEV) display without requiring additional camera or sensor calibration data by using a homographic transformation approach. BEV is a view or perspective as if viewing an object from above. The system integrates the YOLOPv2 model for vehicle detection and road segmentation, and utilizes a Convolutional Neural Network (CNN) model for horizon line estimation and vertical vanishing point as the main geometric parameters of the transformation. To refine the road line representation, a third-order polynomial regression method is used. The system is also equipped with a Simple Online And Realtime Tracking (SORT) tracking algorithm to maintain vehicle identity between frames. The system was tested on 40 short-duration dashcam videos with a qualitative evaluation of the projection results. The average processing time for the first frame was 14.59 ± 1.30 seconds, while the subsequent frames were 1.61 ± 0.27 seconds, using a laptop without a dedicated GPU. The system is capable of generating informative BEV displays. However, the system still has limitations in vehicle projection accuracy and complex path representation. Overall, this system shows potential as a supporting module in the development of single-camera-based autonomous driving with low computational costs. Further development is recommended in the aspects of rotation parameter estimation, depth information integration, and roadway representation adaptability.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | adas, bird’s eye view, dashcam, homography, intelligent vehicle technology, perspective transformation, road environment analysis, yolopv2, adas, analisis lingkungan jalan, bird’s eye view, dashcam, homografi, teknologi kendaraan pintar, transformasi perspektif, yolopv2 |
| Subjects: | T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.8 Vehicles, Remotely piloted. Autonomous vehicles. |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Fihriz Ilham Rabbany |
| Date Deposited: | 31 Jul 2025 03:57 |
| Last Modified: | 31 Jul 2025 03:57 |
| URI: | http://repository.its.ac.id/id/eprint/124423 |
Available Versions of this Item
- Implementasi Bird’s Eye View Pada Dashcam Kendaraan Untuk Analisis Lingkungan Jalan. (deposited 31 Jul 2025 03:57) [Currently Displayed]
Actions (login required)
 |
View Item |