Sistem Navigasi Berbasis Computer Vision Untuk Mendeteksi Halangan Dan Paving Taktil Pada Kursi Roda Bagi Penyandang Gangguan Penglihatan

Al'alimah, Fathin Hanum (2024) Sistem Navigasi Berbasis Computer Vision Untuk Mendeteksi Halangan Dan Paving Taktil Pada Kursi Roda Bagi Penyandang Gangguan Penglihatan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5023201059-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Banyak orang dengan gangguan penglihatan mengandalkan white cane (tongkat) untuk membantu navigasi melalui paving taktil dan memprediksi adanya hambatan di sekitarnya. Meskipun demikian, penggunaan white cane sebagai alat bantu navigasi oleh individu dengan gangguan penglihatan yang juga menggunakan kursi roda sebagai alat bantu mobilitas menuntut usaha yang besar untuk dapat menggerakkan kursi roda sambil memegang white cane. Dalam penelitian ini, diajukan sistem navigasi kursi roda berbasis computer vision yang dilengkapi dengan deteksi halangan dan paving taktil sebagai blok pemandu. Sistem navigasi yang akan dikembangkan melibatkan deteksi objek menggunakan kamera dengan memanfaatkan teknologi computer vision menggunakan library OpenCV dan TensorFlow. Selain itu, sensor ultrasonik digunakan untuk memprediksi jarak antara kursi roda dengan hambatan di sekitarnya dan berperan dalam pengambilan keputusan bernavigasi yang aman. Model TensorFlow yang telah dilatih memperoleh nilai rata-rata mAP50 sebesar 94.86% pada lima kelas yang diklasifikasikan. Pada pengujian dengan hanya menggunakan white cane, rata-rata total waktu tempuh adalah 104.86 detik dengan 8 kali kesalahan arah navigasi. Saat pengujian hanya menggunakan sistem yang dirancang, rata-rata total waktu tempuh adalah 44.65 detik dengan 4 kali kesalahan arah navigasi. Pada kondisi gabungan (white cane dan sistem yang dirancang), rata-rata total waktu tempuh adalah 70.12 detik dengan 6 kali kesalahan arah navigasi. Hasil penilaian menggunakan NASA-TLX menunjukkan bahwa kondisi normal dan kondisi hanya sistem terancang termasuk dalam kategori beban kerja ringan, sedangkan kondisi hanya dengan white cane dan kondisi gabungan termasuk dalam kategori beban kerja sedang. Hal tersebut menunjukkan bahwa sistem yang dirancang dapat membantu meringankan beban saat menggunakan kursi roda bagi pengguna dengan gangguan penglihatan. Penelitian ini diharapkan menjadi dasar bagi penelitian berikutnya untuk menggunakan pemrosesan paralel, memungkinkan eksekusi beberapa tugas secara bersamaan yang lebih efisien.
=================================================================================================================================
Many individuals with visual impairments rely on white canes to assist with navigation through tactile paving and to predict the presence of obstacles in their surroundings. However, using a white cane as a navigation aid for individuals with visual impairments who also use a wheelchair for mobility requires significant effort to maneuver the wheelchair while holding the white cane. This study proposes a wheelchair navigation system based on computer vision, equipped with obstacle detection and tactile paving as a guiding block. The navigation system to be developed involves object detection using a camera, leveraging computer vision technology through OpenCV and TensorFlow libraries. Additionally, ultrasonic sensors are used to predict the distance between the wheelchair and surrounding obstacles, contributing to safe maneuvering decisions. The trained TensorFlow model achieved an average mAP50 value of 94.86% across the five classified classes. In tests using only the white cane, the average total travel time was 104.86 seconds with 8 directional maneuvering errors. During tests using only the designed system, the average total travel time was 44.65 seconds with 4 directional maneuvering errors. Under combined conditions (white cane and the designed system), the average total travel time was 70.12 seconds with 6 directional maneuvering errors. NASA-TLX assessments indicated that designed system-only conditions fall under the light workload category, while the white cane-only and combined conditions fall under the moderate workload category. This demonstrates that the designed system can assist in lighting the load when using a wheelchair for users with visual impairment. This research is expected to be the basis for future research to use parallel processing, enabling more efficient execution of multiple tasks concurrently.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	gangguan penglihatan, paving taktil, sensor ultrasonik, kamera, visual impairment, tactile paving, TensorFlow, ultrasonic sensor, camera.
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T59.7 Human-machine systems. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Fathin Hanum Al'alimah
Date Deposited:	16 Aug 2024 02:08
Last Modified:	16 Aug 2024 02:08
URI:	http://repository.its.ac.id/id/eprint/113535

Actions (login required)

View Item