Perpustakaan Digital ITB

Seiring meningkatnya penggunaan Unmanned Aerial Vehicle (UAV), kebutuhan akan sistem pelacakan 3D yang akurat dan real-time menjadi sangat penting. Penelitian ini merancang, mengimplementasikan, dan mengevaluasi sebuah sistem end-to-end untuk pelacakan dan estimasi posisi 3D UAV menggunakan stereo vision. Metodologi penelitian dimulai dengan melatih model deteksi objek specialist berbasis YOLOv11s pada dataset kustom yang dioptimalkan menggunakan TensorRT. Sistem stereo vision dikembangkan menggunakan dua kamera yang dikalibrasi secara presisi dengan implementasi metode Zhang dari OpenCV menggunakan pola checkerboard, menghasilkan akurasi kalibrasi sangat tinggi dengan RMS reprojection error stereo sebesar 0.284 piksel. Estimasi posisi 3D dilakukan melalui triangulasi berdasarkan disparitas yang dihitung dari pencocokan pusat bounding box objek pada pasangan citra stereo yang telah direktifikasi. Kalman Filter dengan model gerak Constant Velocity (CV) diimplementasikan untuk memperhalus data lintasan mentah. Hasil evaluasi menunjukkan model deteksi objek mencapai performa unggul dengan mAP@.5 sebesar 0.99058, dan optimisasi TensorRT berhasil meningkatkan kecepatan inferensi sebesar 81.7% menjadi 41.94 FPS. Sistem pelacakan 3D mencapai RMSE total sebesar 0.906 meter jika dibandingkan dengan data GPS ground truth. Sumber galat utama teridentifikasi berasal dari keterbatasan metode stereo matching berbasis pusat bounding box, yang kurang akurat saat drone berada dalam posisi miring selama manuver. Implementasi Kalman Filter berhasil menghaluskan lintasan namun tidak menurunkan RMSE, mengindikasikan adanya ketidakcocokan model CV dengan dinamika gerak UAV yang lincah dan kesalahan perhitunga bias. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan layak dan menjanjikan, dengan rekomendasi perbaikan pada algoritma stereo matching dan penggunaan model gerak yang lebih dinamis untuk penelitian di masa depan.