Estimasi Kecepatan Relatif dengan Penghapusan Objek di Optical Flow

Nafis, Akmal (2025) Estimasi Kecepatan Relatif dengan Penghapusan Objek di Optical Flow. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025211216_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Estimasi kecepatan kendaraan menjadi elemen penting dalam pengembangan sistem kendaraan otonom, karena dapat memengaruhi pengambilan keputusan dalam berbagai macam situasi lalu lintas yang dinamis. Informasi kecepatan yang akurat diperlukan untuk mendukung navigasi yang aman dan efisien. Meskipun sensor kecepatan kendaraan mampu menyediakan data secara langsung, ketergantungan pada satu jenis sensor dapat meningkatkan risiko kegagalan sistem, terutama dalam kondisi lingkungan tertentu. Oleh karena itu, integrasi data multimodal, seperti data video dari dashcam, menawarkan pendekatan alternatif yang lebih efisien untuk memperkaya data estimasi kecepatan kendaraan otonom. Video dashcam memberikan gambaran yang jelas mengenai pergerakan objek di sekitar kendaraan, yang dapat dianalisis untuk memperoleh estimasi kecepatan yang lebih akurat. Estimasi kecepatan relatif berbasis video dashcam masih jarang dilakukan. Dashcam merekam dari sudut pandang kendaraan yang bergerak, menghasilkan data yang lebih dinamis dan kompleks dibandingkan penggunaan kamera CCTV yang bersifat statis. Metode yang digunakan dalam tugas akhir ini memanfaatkan segmentasi untuk mengidentifikasi dan menghapus objek dalam membantu sistem estimasi kecepatan kendaraan. Sistem berbasis optical flow menggunakan kombinasi model klasifikasi dan regresi yang menganalisis perbedaan optical flow pada setiap frame video dashcam. Evaluasi modul segmentasi untuk penghapusan objek menghasilkan nilai IoU rata-rata sebesar 0,8044. Evaluasi estimasi kecepatan pada 20 video uji menunjukkan kinerja model masih belum konsisten. Nilai rata-rata MSE sebesar 372,38, MAE sebesar 12,53, dan RMSE sebesar 14,70 mengindikasikan perlunya optimalisasi arsitektur model dan pengembangan teknik preprocessing yang lebih baik untuk meningkatkan konsistensi dan akurasi estimasi kecepatan dalam berbagai kondisi operasional pada sistem kendaraan otonom.
======================================================================================================================================
Vehicle speed estimation is an important element in the development of autonomous vehicle systems, as it can influence decision-making in a variety of dynamic traffic situations. Accurate speed information is necessary to support safe and efficient navigation. Although vehicle speed sensors are capable of providing data directly, reliance on a single type of sensor can increase the risk of system failure, especially in certain environmental conditions. Integrating multimodal data, such as video data from dashcams, offers a more efficient alternative approach to enriching autonomous vehicle speed estimation data. Dashcam videos provide a clear view of the movement of objects around the vehicle, which can be analyzed to obtain more accurate speed estimates. Relative speed estimation based on dashcam video is still rare. Dashcam record from the perspective of a moving vehicle, producing more dynamic and complex data compared to static CCTV camera. The method used in this thesis utilizes segmentation to identify and remove objects to assist the vehicle speed estimation system. The optical flow-based system uses a combination of classification and regression models that analyze differences in optical flow in each frame of the dashcam video. Evaluation of the segmentation module for object removal resulted in an average IoU value of 0.8044. Evaluation of speed estimation on 20 test videos showed that the model performance was still inconsistent. The average MSE value of 372.38, MAE of 12.53, and RMSE of 14.70 indicate the need for model architecture optimization and the development of better preprocessing techniques to improve the consistency and accuracy of speed estimation under various operational conditions in autonomous vehicle system.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Estimasi kecepatan, Optical flow, Segmentasi gambar, Image segmentation, Optical flow, Speed estimation
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Akmal Nafis
Date Deposited:	22 Jul 2025 01:35
Last Modified:	22 Jul 2025 01:35
URI:	http://repository.its.ac.id/id/eprint/120366

Actions (login required)

View Item