Desain 3D Lidar Untuk Klasifikasi Benda Dengan Neural Network

Asy’ari, Basith Abdurrohman (2022) Desain 3D Lidar Untuk Klasifikasi Benda Dengan Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6022201008-Master_Thesis.pdf] Text
6022201008-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2024.

Download (7MB) | Request a copy

Abstract

Pengembangan LiDAR sebagai pengukur jarak dan penggambaran lingkungan sekitar dilakukan untuk memenuhi kebutuhan zaman yang semakin otomatis. Sistem LiDAR yang handal dan stabil dalam pengoperasiannya ditingkatkan kemampuannya dari bentuk 1D dengan satu arah pandangan depan hingga dikembangkan dalam bentuk 3D yang mendeteksi keseluruhan ruang koordinat bola terinspirasi dari mata manusia dengan 3 sumbu koordinat cartesian X, Y dan Z. Penelitian ini dilakukan pengembangan LiDAR 1D yang diproyeksikan menjadi 3D bertujuan untuk mengurangi harga yang mahal dan membuat pemanfaatannya lebih beragam dalam penerapan metode dengan fitur yang lebih lengkap. Contoh kegunaannya dapat diaplikasikan untuk kebutuhan lokalisasi, pemetaan maupun proses pembelajaran objek seperti klasifikasi dan pengenalan objek menggunakan arsitektur Neural Network.Penelitian ini menghasilkan prototipe mekanisme pemroyeksian LiDAR 1D ke 3D dengan pantulan 2 cermin menggunakan hardwareseperti LiDAR 1D TF-Luna, motor DC, motor servo, optocoupler, mikrokontroler Arduino Mega 2560 dan driver motorL9110 sebagai alat pengambil datasetpengujian 5 objek sebagai input Neural Network. Desain LiDAR memiliki kepresisian alat terhadap sudut vertikal per 1odan horizontal per 10odengan pengukuran jarak terjauh hingga 9 meter. Selanjutnya, dilakukan pengujian pembelajaran klasifikasi pengenalan nilai objek 3D dari datasetdan didapatkan mendekati 100% keakurasian yang dirangkum pada confusion matrixbeserta visualisasinya.
===========================================================================================================================
The development of LiDAR as a distance meter and a depiction of the surrounding environment are carried out to meet the needs of an increasingly automated era. LiDAR system that is reliable and stable in operation has been upgraded from the 1D form with a one-way front view to developed in the 3D form which detects the entire spherical coordinate space inspired by the human eye with 3 cartesian coordinate axes X, Y, and Z.In this research, the development of 1D LiDAR which is projected into 3D aims to reduce the high price and make its use more diverse in the application of methods with more complete features. Examples of its use can be applied for localization, mapping, and object learning processes such as object classification and recognition using the Neural Network architecture.This research produces a prototype of the 1D to 3D LiDAR projecting mechanism with 2 mirror reflections using hardware such as LiDAR 1D TF-Luna, DC motor, servo motor, optocoupler, Arduino Mega 2560 microcontroller, and L9110 motor driver as a dataset retrieval tool for testing 5 objects as Neural Network input. The LiDAR design has tool precision for vertical angles per 1oand horizontal per 10owith the longest distance measurement up to 9 meters. Furthermore, testing the classification learning of the recognition of 3D object values from the dataset and obtained close to 100% accuracy which is summarized in the confusion matrix and its visualization.

Item Type: Thesis (Other)
Additional Information: RTE 006.32 Asy d-1 2022
Uncontrolled Keywords: LiDAR, Neural Network, object classification
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Anis Wulandari
Date Deposited: 02 Nov 2022 08:20
Last Modified: 02 Nov 2022 08:20
URI: http://repository.its.ac.id/id/eprint/95048

Actions (login required)

View Item View Item