PENDETEKSIAN JALAN MENGGUNAKAN SPATIO-TEMPORAL INCREMENTAL CLUSTER PADA MOBIL OTONOM

Alamsyah, Sayyidul Aulia (2021) PENDETEKSIAN JALAN MENGGUNAKAN SPATIO-TEMPORAL INCREMENTAL CLUSTER PADA MOBIL OTONOM. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111950040007-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy

Abstract

Saat ini, penelitian mengenai teknologi kendaraan cerdas banyak dilakukan. Salah satu fungsi terpenting yang harus ada pada kendaraan cerdas adalah pendeteksian jalan. Tujuan dari sistem pendeteksian jalan adalah untuk memperingatkan pengemudi jika kendaraan bergerak terlalu dekat dengan batas jalan, seperti garis putih. Namun, belum semua jalan dilengkapi dengan garis putih sebagai batas jalan. Pada penelitian ini diusulkan suatu metode untuk mendeteksi batas jalan pada jalan yang tidak memiliki garis putih sebagai batas jalan. Karena tidak adanya garis putih pembatas jalan maka akan digunakan garis perubahan nilai piksel yang tajam antara jalan dengan pembatas jalan. Untuk menyelesaikan masalah ini canny edge detection dipilih untuk mengekstrak fitur pembatas jalan. Kemudian, hough transform digunakan untuk mendeteksi edges yang membentuk garis lurus. Hasil hough transform kemudian akan dikelompokkan menggunakan spatio-temporal incremental clustering. Sedangkan untuk mendeteksi pembatas jalan pada jalan belokan dan simpangan digunakan sliding window yang kemudian hasilnya diklaster dengan k-means clustering. Setiap hasil klaster kemudian akan dilakukan line-fitting. Hasil dari metode ini adalah gambar dengan garis-garis yang menandakan keberadaan pembatas jalan. Hasil pengujian metode ini pada pendeteksian jalan lurus mendapatkan presentase keberhasilan sebesar 94% dari 1193 gambar jalan lurus. Sedangkan untuk pengujian pada pendeteksian jalan belokan dan simpangan metode ini hanya mampu mendeteksi 39% dari 514 gambar jalan belokan dan simpangan dengan benar.

===============================================================================================
Nowadays, research on intelligent vehicle technology is widely brought out. One of the most important functions that must exist on the intelligent vehicle is lane detection. The purpose of the lane detection system is to alert the driver if the vehicle is moving too close to lane boundaries, such as a white line. However, not all roads have been equipped with white lines as the lane boundaries. In this study, a method to detect lane boundaries on roads that do not have white lines as the road boundaries are proposed. Because there is no white line as lane boundaries on the road, a sharp pixel value change line between the road and the boundaries will be used. To solve this problem, canny edge detection is chosen to extract the lane boundaries feature. Then, the hough transform is used to detect edges that form straight lines. Hough transform results will be clustered using spatio-temporal incremental clustering. Meanwhile, to detect road boundaries on turning and intersections roads, the sliding window method is used then the results will be clustered using k-means clustering.Each cluster result will be line-fitted. The result of this method is an image with lines indicating the presence of lane boundaries. The results of this method in detecting straight roads get a success percentage of 94% from 1193 straight road images. Meanwhile, the testing of turns and intersection roads detection, this method can only detect 39% of the 514 images of turns and intersection roads correctly.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Lane Detection, Intelligent Vehicle, Spatio-Temporal Incremental Clustering, Pendeteksian Jalan, Kendaraan Cerdas, Spatio-temporal Incremental Clustering
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering
Depositing User:	Sayyidul Aulia Alamsyah
Date Deposited:	12 Aug 2021 07:41
Last Modified:	12 Aug 2021 07:41
URI:	http://repository.its.ac.id/id/eprint/85679

Actions (login required)

View Item