Sistem Lane Departure Warning Pada Driving Assistance Menggunakan Deep Learning

Kusuma, Christopher Adrian (2022) Sistem Lane Departure Warning Pada Driving Assistance Menggunakan Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311940000022-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (1MB) | Request a copy

Abstract

Kecelakaan lalu lintas merupakan salah satu masalah paling banyak dihadapi dunia saat ini khususnya di jalan tol. WHO menyebutkan kematian yang diakibatkan kecelakaan tersebut sekitar 1,3 juta orang tiap tahunnya. Berbagai macam cara dilakukan untuk mencegah kecelakaan yang diakibatkan oleh kelalaian pengemudi. Saat ini, sistem lane departure warning menjadi fitur andalan untuk menanggulangi permasalahan tersebut. Sistem ini mendeteksi garis jalan dan akan memberikan peringatan kepada pengemudi jika mobil yang dikendarai keluar dari jalur. Metode paling umum untuk melakukan pendeteksian jalan adalah edge detection. Akan tetapi metode ini tidak efektif seiring bertambahnya kompleksitas jalan. Pada penelitian ini diusulkan sistem dengan meletakkan kamera pada dashboard mobil dan mengambil gambar jalan selama mengemudi untuk diproses. Gambar dipraproses dengan mengubah ukuran gambar menjadi 320 pixel × 180 pixel. Gambar diproses menggunakan algoritma deep learning dengan arsitektur convolutional neural network (CNN) dengan 3 layer konvolusi untuk meningkatkan akurasi pendeteksian garis jalan. Hasil deteksi akan diproses lebih lanjut untuk menentukan jenis peringatan yang perlu diberikan kepada pengemudi, yaitu dari “arahkan setir sedikit ke kiri/kanan” dan “putar setir ke kiri/kanan”. Metode evaluasi yang digunakan untuk mengevaluasi performa model deep learning dalam mendeteksi garis jalan adalah dengan root mean squared error (RMSE). Hasil menunjukkan penggunaan metode deep learning lebih baik daripada edge detection dengan RMSE masing-masing 0.0240 dan 0.1177.
==============================================================================================================================
Traffic accident is one of the most faced problems in the world right now, especially on highway. WHO reported around 1,3 million deaths caused by traffic accidents every year. All kinds of methods are used to prevent accidents caused by driver negligence. Nowadays, a lane departure warning system is used to tackle the problem. The system detects lane marking and will warn the driver if the car is not positioned correctly within the lane. Commonly used method to detect lane marking is edge detection, however it is not effective given the varying complexity of the road. The author of this research proposed a lane departure warning system using a camera, installed on the car’s dashboard, taking pictures of the road. The picture is then resized to 320 pixel × 180 pixel. To increase the accuracy of lane marking detection, convolutional neural network (CNN) with 3 layer convolutional layers is used. Detection results will be further processed to determine the type of warning to give to the driver, they are “steer a bit to the left/right” and “steer left/right”. To evaluate the model’s performance in detecting lane marking, root mean squared error (RMSE) is used. Result shows that deep learning is more effective than edge detection with RMSE of 0.0240 and 0.1177 respectively.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	lane departure warning, deep learning, convolutional neural network, peringatan keberangkatan jalur, pembelajaran yang mendalam, jaringan saraf konvolusional
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Christopher Adrian Kusuma
Date Deposited:	03 Feb 2023 01:11
Last Modified:	03 Feb 2023 01:11
URI:	http://repository.its.ac.id/id/eprint/96036

Actions (login required)

View Item