PENGENALAN LANDMARK KOTA PADA CITRA JALAN RAYA UNTUK ESTIMASI LOKASI KENDARAAN SECARA VISUAL

VILERA, REZA (2021) PENGENALAN LANDMARK KOTA PADA CITRA JALAN RAYA UNTUK ESTIMASI LOKASI KENDARAAN SECARA VISUAL. Masters thesis, ITS.

Text reza_vilera_07111850052002-Tesis Magister Teknik Elektro ITS.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (5MB) | Request a copy

Abstract

Penentuan lokasi merupakan unsur yang mendasar pada sistem navigasi.
Pada keadaan tertentu di mana navigasi dengan menggunakan sinyal GPS
tidak dapat dilakukan dengan baik, penentuan lokasi berbasis visual atau
visual-based localization (VBL) dinilai dapat digunakan sebagai alternatif.
Pada kendaraan, VBL dapat dilakukan dengan memperoleh masukan
berupa citra jalan raya dan mengekstraksi informasi yang relevan untuk
penentuan lokasi dari citra tersebut. Salah satu elemen pada citra jalan
raya adalah landmark kota, yaitu objek yang memiliki wujud dan lokasi yang
tetap. Dengan demikian, pengenalan landmark kota pada citra jalan raya
dapat digunakan sebagai salah satu dasar untuk melakukan estimasi lokasi
kendaraan.
Selain landmark, pada citra jalan raya terdapat berbagai elemen yang
tidak relevan untuk penentuan lokasi, yaitu objek non-statis dan temporal
(kendaraan, pejalan kaki, tanaman, dan sebagainya). Dengan demikian,
diperlukan suatu metode sehingga ekstraksi informasi visual (�tur) dari
landmark dapat dilakukan secara selektif.
Penelitian ini mengusulkan metode estimasi lokasi kendaraan secara visual
dengan menggunakan landmark kota sebagai salah satu elemen pada
citra jalan raya. Ekstraksi �tur dari landmark dilakukan secara selektif
dengan menggunakan segmentasi semantik yang didasarkan pada arsitektur
convolutional neural network (CNN) tertentu. Setelah ekstraksi �tur, citra
jalan raya direpresentasikan dalam bentuk histogram �tur. Estimasi lokasi
dilakukan dengan menemukan histogram �tur dalam sebuah database yang
memiliki tingkat kedekatan paling tinggi dengan histogram �tur citra jalan
raya (masukan). Database yang digunakan tersebut merupakan himpunan
histogram �tur citra dataset beserta data lokasi geogra�snya.
Berdasarkan hasil penelitian, CNN yang diimplementasikan dapat
mencapai akurasi rata-rata 91.05% dalam melakukan segmentasi landmark
pada citra pengujian. Akurasi segmentasi ini menentukan tingkat keberhasilan
metode penelitian secara keseluruhan dalam melakukan estimasi lokasi, yaitu
akurasi pencocokan �tur citra pengujian terhadap database yang mencapai
90%. Dengan demikian, estimasi lokasi yang didasarkan pada pengenalan
landmark kota dari citra jalan raya dapat dipertimbangkan sebagai salah satu
metode yang dapat dikembangkan untuk VBL pada kendaraan
====================================================================================================
Location determination is an essential aspect of navigation. GPS-based
navigation is currently the most common and popular. However, under some
circumstances where the GPS signal from satellites cannot be su�ciently
acquired, the visual-based localization (VBL) may be considered as an
alternative.
When used in vehicle, VBL can be performed by acquiring street-view
images. The useful visual information can then be extracted to determine
vehichle's location. One of the elements in street-view image is the appearance
of city landmarks, which are non-temporal static objects with persistent
appearance (buildings, walls, bridges, etc). By recognizing landmarks in steetview
image, vehicle's location can be estimated using a database containing
set of landmarks visual data and its known geographical coordinate from the
dataset.
However, various elements can also present in street-view image including
temporal and occluding objects, such as vehicles, pedestrians, trees, etc. that
may not be relevant for location estimation. Therefore, landmark recognition
requires visual features to be selectively extracted from the part of the image
containing landmarks.
This research proposes a method to estimate vehicles's location based on
visual data using city landmark as one of the elements in street-view image.
The feature extraction is performed selectively from landmark using semantic
segmentation based on certain architecture of convolutional neural network
(CNN). After the fearure extraction, the street-view image is represented in the
form of feature histogram. Location estimation is then performed by searching
on a database to �nd a feature histogram with highest similarity with feature
histogram of an input image. The database is a set of pair of feature histograms
(from dataset images) with its known associated geographical coordinates.
The test using set of test images shown that the implemented CNN obtains
average accuracy of 91.05% on landmark segmentation. This segmentation
performance determines overall performance of proposed method to provide
location estimation. This overall performance is measured by the accuracy
of feature matching between test images and database that obtain 90%.
Based on this, location estimation method based on landmark recognition on
street-view image may be considered potential for VBL on vehicle.

Item Type:	Thesis (Masters)
Subjects:	T Technology > T Technology (General) > T385 Visualization--Technique T Technology > T Technology (General) > T57.5 Data Processing T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Reza Vilera
Date Deposited:	13 Aug 2021 09:04
Last Modified:	13 Aug 2021 09:04
URI:	http://repository.its.ac.id/id/eprint/86304

Actions (login required)

View Item