Penggunaan Computer Vision Based Pada Simulasi Autonomous Vehicle Nvidia Jetbot Dengan Tuning Pid Untuk Mengikuti Berbagai Macam Lintasan Jalan

Biridho Al Haq, Kavin (2021) Penggunaan Computer Vision Based Pada Simulasi Autonomous Vehicle Nvidia Jetbot Dengan Tuning Pid Untuk Mengikuti Berbagai Macam Lintasan Jalan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
02111740000126_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (4MB) | Request a copy

Abstract

Kasus kecelakaan kendaraan bermotor khususnya mobil di Indonesia meningkat setiap tahunnya. Kecelakaan lalu lintas tersebut diakibatkan oleh faktor manusia sebanyak 61%, prasarana dan lingkungan 30%, serta faktor kendaraan 9%. Dari ketiga aspek tersebut, faktor yang sangat krusial adalah faktor manusia, yaitu pengendara. Untuk mengurangi kasus kecelakaan di Indonesia, salah satu solusinya adalah menggunakan autonomous vehicle berbasis computer vision. Namun pengembangan autonomous vehicle di Indonesia dapat dikatakan sangat minim, sehingga diperlukan penelitian lebih lanjut tentang autonomous vehicle berbasis computer vision di Indonesia. Pada penelitian ini digunakan Nvidia Jetbot, yaitu sebuah robot kendaraan yang memiliki pengaturan layaknya kendaraan pada umumnya sebagai bahan simulasi. Simulasi dilakukan dengan memasukkan data berupa gambar lintasan jalan, dengan variasi jalanan lurus, jalanan belok, dan jalanan putar balik dengan jumlah data sebanyak 200, 150, 100 dan 50 gambar. Kemudian data gambar yang telah diperoleh akan di-training sehingga mendapatkan model yang akan digunakan sebagai acuan bagi Nvidia Jetbot dalam berjalan secara autonomous. Setelah data di-training, akan dilakukan tuning PID untuk memastikan apakah Nvidia Jetbot bisa berjalan dengan benar dan stabil. Tahapan akhir dari simulasi ini adalah dengan menjalankan Nvidia Jetbot secara autonomous pada variasi jalanan lurus, belok dan putar balik dalam keadaan terang dan gelap sebanyak 100 kali, dimana akan diperoleh data tingkat keberhasilan di setiap variasinya. Simulasi tahap awal didapatkan tuning PID pada Nvidia Jetbot yaitu nilai Kp sebesar 0,02, Ki sebesar 0,001, dan Kd sebesar 0,15. Performa Nvidia Jetbot dalam melakukan fungsi road following dengan variasi data 50, 100, 150, dan 200 gambar, pada kondisi pencahayaan terang menghasilkan tingkat keberhasilan sebesar 100% pada lintasan lurus, pada lintasan berbelok berturut-turut sebesar 46%, 78%, 94%, dan 98%, dan pada lintasan putar balik sebesar 40%, 82%, 90%, dan 96%. Pada kondisi pencahayaan gelap menghasilkan tingkat keberhasilan sebesar 100% pada lintasan lurus, pada lintasan berbelok sebesar 44%, 64%, 76%, dan 84%, dan pada lintasan putar balik sebesar 36%, 56%, 72%, dan 80%. Performa Nvidia Jetbot pada kondisi pencahayaan terang dan gelap memiliki penurunan yang signifikan pada kondisi gelap, yaitu selisih pada lintasan lurus sebesar 0%, pada lintasan berbelok secara berturut-turut sebesar 2%, 14%, 18%, dan 14%, dan pada lintasan putar balik sebesar 4%, 26%, 18%, dan 16% ==================================================================================================== The case of road traffic accidents, especially cars in Indonesia is increasing every year. Road traffic accidents are caused 61% by humans, 30% by infrastructure and environment, and 9% by vehicles. From these three factors, the most crucial factor is the human factor, that is the driver. One solution to reduce road accident cases in Indonesia is using computer vision-based autonomous vehicles. However, the development of autonomous vehicles in Indonesia is very minimal, further research is needed on computer vision-based autonomous vehicles in Indonesia. In this study, Nvidia Jetbot, which is a vehicle robot that has settings like real vehicles, is used as simulation material. Simulations were performed by entering data of road trajectories images, with variations of straight road, L-turn road, and U-turn road with a total of 200, 150, 100, and 50 images. Then the image data that has been obtained will be trained to get a model that will be used as a reference for Nvidia Jetbot in running autonomously. After the data is trained, the PID will be set to ensure whether the Nvidia Jetbot can run correctly and stable. The final stage of this simulation is to run Nvidia Jetbot autonomously on the straight road, L-turn road, and U-turn road in bright and dark conditions 100 times, where the success rate data will be obtained for each variation.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Autonomous vehicle, computer vision, nvidia jetbot, tuning pid
Subjects: T Technology > TJ Mechanical engineering and machinery
T Technology > TJ Mechanical engineering and machinery > TJ211 Robotics.
T Technology > TJ Mechanical engineering and machinery > TJ211.4 Robot motion
T Technology > TJ Mechanical engineering and machinery > TJ211.415 Mobile robots
T Technology > TJ Mechanical engineering and machinery > TJ223 PID controllers
T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.8 Vehicles, Remotely piloted. Autonomous vehicles.
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User: Kavin Biridho Al Haq
Date Deposited: 10 Sep 2021 06:09
Last Modified: 10 Sep 2021 06:09
URI: https://repository.its.ac.id/id/eprint/91019

Actions (login required)

View Item View Item