DESAIN DAN IMPLEMENTASI ESTIMASI JARAK KENDARAAN BERMOTOR BERBASIS VISION MENGGUNAKAN RASPBERRY PI DENGAN METODE FASTER R-CNN

JOSHUA BERNHARD TEGE

Informasi Umum

Kode

20.04.4024

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Pengolahan Sinyal Informasi

Dilihat

83 kali

Informasi Lainnya

Abstraksi

Computer vision merupakan teknologi di bidang pemrosesan citra yang sedang berkembang pesat pada saat ini. Teknologi computer vision memberikan solusi untuk membantu kegiatan manusia. Pada tugas akhir ini, computer vision digunakan mendeteksi objek dan mendapatkan estimasi jarak. Penulis menggunakan metode Faster R-CNN dalam melakukan objek deteksi. Objek yang telah terdeteksi merupakan komponen untuk mendapatkan estimasi jarak kendaraan.

Metode Faster R-CNN digunakan pada sistem objek deteksi pada penelitian ini. Faster R-CNN merupakan gabungan dari metode Fast RCNN dan Region Proposal Network (RPN). Penelitian ini menggunakan arsitektur CNN dari pretrained model ResNet50, 1064 data latih berupa citra objek kendaraan, dan data uji berupa video dengan frame rate 30 fps. Tujuan dari objek deteksi, yaitu menampilkan bounding box objek. Sistem estimasi jarak kendaraan mengambil lebar pixel dari bounding box objek untuk menghitung estimasi jarak pada kendaraan kendaraan.

Analisis sistem estimasi jarak kendaraan dilakukan dengan dua buah konfigurasi Linear Predictor Functions (LPF), yaitu least square regression dan fitting of a polynomial using least square pada hasil estimasi jarak kendaraan untuk meminimalisir error. Proses pengujian sistem estimasi jarak kendaraan diambil dari 6 citra berobjek mobil dengan jarak masing-masing 200, 250, 300, 350, 400, 430 cm. Konfigurasi yang terbaik terdapat pada Least Square Regression dengan total error sebesar 38,375 cm. Sistem estimasi jarak kendaraan diimplementasi pada Raspberry Pi dan mendapatkan frame rate sebesar 0,03fps.