digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

COVER Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 1 Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 2 Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 3 Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 4 Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 5 Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

DAFTAR Muhammad Dhany Ashedananta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

2023 TA TF MUHAMMAD DHANY ASHEDANANTA 13319078 LAMPIRAN.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Kendaraan otonom telah menjadi salah satu solusi transportasi bagi banyak orang. Namun, masih banyak permasalahan yang harus diselesaikan agar kendaraan otonom dapat beroperasi dengan baik pada skala besar. Salah satu dari permasalahan tersebut adalah sistem lokalisasi, yaitu penentuan posisi kendaraan otonom dalam suatu daerah. Sensor yang selama ini digunakan pada proses lokalisasi masih memiliki kekurangan, misalnya Global Positioning System (GPS) yang tidak akurat saat sinyal satelit terhalang, Light Detection and Ranging (LiDAR) yang mahal serta memakan waktu komputasi yang cukup lama, dan kamera biasa yang sangat sensitif terhadap perubahan kondisi visual. Oleh karena itu, pada tugas akhir ini dilakukan perancangan sistem lokalisasi menggunakan High Definition Map (HD Map) yang merupakan teknologi berupa peta kondisi suatu daerah yang disimpan sebagai memori pada komputer kendaraan otonom. Pada tugas akhir ini, digunakan kamera monokuler untuk pendeteksian fitur marka jalan. Proses pendeteksi fitur marka jalan terhadap citra kamera dengan backbone ERFNet dan metode Baseline menghasilkan akurasi sebesar 96,04%. Kemudian, fitur tersebut digabungkan dengan informasi dari Inertial Measurement Unit (IMU) berupa posisi untuk memperoleh kurva bentuk jalan. Berikutnya, kurva ini akan dicocokkan dengan point cloud HD Map sehingga diperoleh hasil lokalisasi berupa koordinat kendaraan otonom pada peta. Hasil lokalisasi ini menghasilkan nilai error yang cukup besar antara 14,2-311,1 meter jika sistem dibandingkan dengan data GPS sebagai ground truth. Meskipun demikian, sistem yang diusulkan dapat menghemat biaya maupun beban komputasi karena point cloud map hanya diambil satu kali (tidak secara real-time) dan tidak butuh untuk diperbarui setiap saat.