Deteksi Halangan Menggunakan Metode Stereo R-CNN pada Mobil Otonom.

Firmansyah, Adrian Aryaputra (2020) Deteksi Halangan Menggunakan Metode Stereo R-CNN pada Mobil Otonom. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111640000088-Undergraduate_Thesis.pdf - Updated Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Mobil otonom merupakan inovasi yang muncul akibat perkembangan teknologi komputasi yang semakin mumpuni. Mobil otonom beroperasi dengan meminimalkan campur tangan manusia sehingga dapat mengurangi kecelakaan lalu lintas yang disebabkan oleh kesalahan pengemudi. Mobil otonom memerlukan beberapa sensor agar dapat bekerja dan melakukan navigasi. Sensor yang umumnya digunakan adalah LIDAR. Namun LIDAR memiliki keterbatasan pada rentang deteksi serta adanya komponen bergerak yang membutuhkan perawatan lebih, rentan terhadap perubahan cuaca, serta harganya yang relatif mahal dibandingkan dengan alternatif lain seperti kamera stereo. Algoritma Stereo Regional Convolutional Neural Network (Stereo R-CNN) akan diterapkan pada kamera stereo untuk membuat bounding box tiga dimensi dengan memproses perbedaan sudut pandang pada gambar di kedua kamera. Metode ini dapat mendeteksi bounding box 3D dari objek pada gambar. Algoritma ini dapat mendeteksi objek dengan jarak deteksi yang lebih jauh dibandingkan dengan LIDAR, namun saat ini metode ini masih kurang feasible untuk dapat diterapkan sebagai pengganti LIDAR sebagai sensor utama karena kecepatan deteksinya yang masih lambat di kisaran 0.81 detik (1,2 frame per detik). === Autonomous cars are innovations that arise due to the development of computing technology. Autonomous vehicles operate by minimizing human intervention to reduce traffic accidents caused by driver errors. Obstacle detection systems that can detect obstacles accurately are needed to support the performance of autonomous cars. In this study, we use the Stereo Regional Convolutional Neural Network (Stereo R-CNN) algorithm to detect obstacles around the autonomous car. This algorithm will be applied to stereo cameras to create three-dimensional bounding boxes by processing differences in the angle of view of the images in the two cameras. This method can detect 3D bounding boxes of objects in the image. Bounding box prediction has a precision level of up to 70% with a recall of up to 95%. It has a detection location error that correlates with the distance and size of the object where the detection of objects within 5 meters, obtained detection RMSE of 0.073 meters (1.46%), while the detection of distant objects 75 meters, obtained detection RMSE of 1,278 meters (1.70%). Currently, this method is not feasible to be applied directly as a substitute for LIDAR as the primary sensor because the detection speed is slow in the range of 0.81 seconds (1.2 frames per second).

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Stereo Camera, R-CNN, Kendaraan Otonom, Deteksi Halangan, 3D Bounding Box. Stereo Camera, R-CNN, Autonomous Vehicle, Obstacle Detection, 3D Bounding Box.
Subjects: T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.8 Vehicles, Remotely piloted. Autonomous vehicles.
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: Adrian Aryaputra
Date Deposited: 11 Aug 2020 14:31
Last Modified: 11 Aug 2020 14:31
URI: https://repository.its.ac.id/id/eprint/77475

Actions (login required)

View Item View Item