Perpustakaan Digital ITB

Kendaraan otonom saat ini sedang gencar dikembangkan oleh berbagai industri otomotif terkemuka dan universitas terbaik di dunia. Hal tersebut disebabkan karena kendaraan otonom memiliki potensi untuk menjadi lebih aman daripada kendaraan yang dikemudikan manusia. Perlu diingat bahwa sistem otonom tidak akan mengalami kelelahan dan kehilangan fokus layaknya manusia. Indonesia membuka kesempatan untuk pengembangan teknologi kendaraan otonom dengan membangun infrastruktur ibu kota baru di Kalimantan secara spesifik untuk kendaraan otonom dan kendaraan listrik saja. Untuk meningkatkan keselamatan berkendara pada kendaraan otonom, sistem persepsi yang dapat diandalkan menjadi krusial. Salah satu tugas penting pada sistem persepsi untuk kendaraan otonom adalah pelacakan objek. Pelacakan objek dapat mengekstrak informasi penting seperti posisi dan kecepatan objek disekitar kendaraan otonom sehingga dapat diumpankan ke motion planner untuk menentukan manuver yang paling optimal. Hal ini tentunya menjadi tantangan karena pengukuran harus dilakukan tanpa memasang satupun sensor ke objek disekitar kendaraan otonom. Penelitian ini mengajukan rancangan sistem persepsi untuk pelacakan objek berbasis tiga komponen: deteksi dan klasifikasi objek, pencocokan objek dan estimasi variabel keadaan. Pada rancangan ini digunakan You Only Look Once (YOLO) sebagai pendeteksi objek, pencocokan objek berbasis Jaringan Saraf Tiruan (JST) dan Oriented FAST and Rotated BRIEF (ORB), serta estimasi variabel keadaan dengan menggunakan Extended Kalman Filter (EKF). Rancangan ini terbukti mampu melakukan pelacakan objek dengan kesalahan absolut posisi rata-rata sebesar 0,15330 meter (sumbu-????), dan 0,48577 meter (sumbu-????) pada percobaan dengan rentang -2 hingga 2 meter (sumbu-????), dan 4,55 hingga 9,55 meter (sumbu-????).