Perpustakaan Digital ITB

Trem otonom merupakan jenis kendaraan trem yang mampu beroperasi tanpa kehadiran masinis, mengandalkan sistem kecerdasan buatan untuk pengambilan keputusan. Tim Riset Proyek Trem Otonom di ITB bertujuan untuk mengembangkan sistem otonomi menggunakan kecerdasan buatan pada kendaraan trem. Salah satu aspek penting dalam pengembangan sistem otonomi adalah sistem persepsi yang memanfaatkan berbagai jenis sensor, termasuk kamera, lidar, dan radar. Sensor lidar berperan dalam mendapatkan representasi lingkungan dalam bentuk point cloud dan mampu mengukur jarak antara objek di lingkungan. Trem otonom yang sedang dikembangkan menggunakan perangkat keras khusus untuk komputasi, yaitu NVIDIA Drive AGX Pegasus, sebuah komputer embedded yang didukung oleh pustaka DriveWorks. Sistem persepsi yang diimplementasikan harus mampu mendeteksi objek dengan akurat dan secara real-time. Oleh karena itu, dipilih arsitektur neural network state-of-the-art, yakni CenterPoint, yang khusus dirancang untuk deteksi objek dari data point cloud. CenterPoint terpilih karena kinerja akurasinya dan efisiensi dalam deteksi objek yang cepat.Penelitian ini berfokus pada implementasi arsitektur deteksi objek CenterPoint pada platform NVIDIA Drive AGX Pegasus sebagai bagian dari sistem persepsi lidar. Proses implementasi melibatkan beberapa tahapan, termasuk konversi format model, implementasi layer neural network yang belum tersedia, optimasi model melalui teknik kuantisasi, implementasi CenterPoint dalam operasi C++/CUDA, visualisasi hasil deteksi objek, dan integrasi dengan modul persepsi sensor lainnya. Hasil eksperimen menunjukkan bahwa dalam tugas akhir ini, implementasi modul persepsi lidar model CenterPoint dan integrasi sistem persepsi dengan multithreading berhasil di-deploy pada AGX Pegasus. Waktu inferensi CenterPoint berhasil dioptimasi dengan hasil akhir sekitar 43ms/frame atau sekitar 22 FPS, melebihi kecepatan frekuensi putaran lidar.