Perpustakaan Digital ITB
Sistem pendaratan Unmanned Aerial Vehicle (UAV) yang otonom menghadapi
tantangan besar ketika beroperasi di lingkungan yang tidak pasti, di mana
landasan pendaratan tidak selalu tersedia atau memiliki karakteristik visual yang
sulit diprediksi. Dalam navigasi menuju lokasi tujuan, UAV menggunakan
koordinat GPS sebagai referensi utama, tetapi akurasi GPS sering kali tidak cukup
untuk memastikan pendaratan yang presisi, terutama di area dengan gangguan
sinyal atau kondisi medan yang kompleks. Oleh karena itu, diperlukan sistem
berbasis visi komputer yang memungkinkan UAV untuk mengenali dan
menyesuaikan titik pendaratan secara real-time.
Penelitian ini mengusulkan pendekatan berbasis Tracking-Learning-Detection
(TLD) yang dikombinasikan dengan Kalman Filter dan Adaptive PID Controller.
TLD digunakan untuk melacak target pendaratan tanpa dataset pra-latih, sehingga
memungkinkan sistem beradaptasi dengan kondisi lingkungan yang berubah.
Kalman Filter diterapkan untuk mengurangi noise dalam estimasi posisi target,
sementara Adaptive PID Controller digunakan untuk menjaga kestabilan UAV
selama descent, dengan kemampuan menyesuaikan parameter kendali secara
otomatis.
Sistem diuji dalam berbagai kondisi, termasuk occlusion (hambatan visual) dan
area dengan karakteristik visual mirip target pendaratan. Hasil pengujian
menunjukkan bahwa sistem mempertahankan pelacakan dengan akurasi 90%
dalam kondisi visual yang kontras dan 75% dalam kondisi visual yang
menyerupai lingkungan sekitar. Dalam skenario occlusion ringan, sistem mampu
melakukan re-detection dengan akurasi 80%. Integrasi TLD, kalman filter dan
Adaptive PID Controller meningkatkan kestabilan UAV, mengurangi error posisi
dari 153 cm menjadi 4 cm dibanding menggunakan GPS saja. Meski akurasi
meningkat, waktu pendaratan bertambah 20-30 detik dibandingkan metode GPS.
Dengan pendekatan ini, sistem yang dikembangkan dapat menjadi solusi untuk
pendaratan UAV di lingkungan yang tidak pasti, tanpa bergantung sepenuhnya
pada titik koordinat GPS dan tanpa memerlukan pelatihan data yang kompleks.