ABSTRAK
Kendaraan otonom merupakan sistem transportasi cerdas yang mampu
bergerak tanpa kendali langsung manusia. Salah satu tantangan utama dalam
pengembangan kendaaraan ini adalah bagaimana membangun peta lingkungan
serta menentukan posisinya secara bersamaan. Untuk menjawab tantangan ini,
algoritma Simultaneous Localization and Mapping (SLAM) berbasis visual,
khususnya ORB-SLAM2, diimplementasikan pada modul JetRacer AI Kit dengan
bantuan kamera monokular IMX 219-160.
Metode yang digunakan mencakup studi literatur, perancangan perangkat
keras dan lunak, implementasi algoritma, serta pengujian sistem. Algoritma ORBSLAM2
dijalankan pada sistem Jetson Nano untuk memproses citra dari kamera
dan menghasilkan pemetaan 3D serta estimasi lintasan kamera. Pengujian
dilakukan dalam dua kondisi pencahayaan ( terang dan redup ) dengan variasi
parameter nFeatures untuk menganalisis performa deteksi fitur, waktu inisialisasi,
serta jumlah map points yang dihasilkan.
Hasil penelitian menunjukkan bahwa algoritma ORB-SLAM2 mampu
untuk membentuk lingkungan secara real – time dengan tingkat akurasi dan
efesiensi yang tinggi. Pada kondisi terang, performa optimal tercapai pada
nFeatures 700-800 dengan map points tertinggi sebanyak 1734 dan waktu
inisialisasi 50 ms. Sedangkan pada kondisi redup, performa terbaik tercapai pada
nFeatures 900 dengan 2543 map points dan efesiensi deteksi mencapai 99,89 %.
Kata Kunci : Computer Vision, JetRacer AI Kit, Kendaraan Otonom, ORB Feature
Detection, ORB-SLAM2, Visual SLAM.