Perpustakaan Digital ITB

Pelacakan objek merupakan salah satu komponen penting pada pengembangan sistem persepsi kendaraan otonom, khususnya pada kendaraan trem otonom yang beroperasi di lingkungan perkotaan. Pelacakan memungkinkan sistem untuk mengetahui posisi, orientasi, dan ukuran dari objek di sekitar kendaraan otonom. Pada implementasinya terdapat beberapa metode pelacakan baik berbasis 2D (dua dimensi) maupun 3D (tiga dimensi). Pengembangan 3D Multi-Object Tracking (MOT) menjadi semakin populer karena kemampuannya dalam menyediakan data spasial yang lebih informatif dibandingkan pelacakan berbasis 2D. Metode 3D MOT berbasis Kalman Filter merupakan salah satu metode populer pada pengembangan pelacakan berbasis LiDAR karena sederhana dan memiliki komputasi yang ringan. Salah satu aspek penting pada pelacakan objek adalah asosiasi data, yaitu proses pencocokan antara hasil deteksi dan prediksi objek. Kesalahan asosiasi data dapat menyebabkan hilangnya ID objek sehingga menurunkan performa pelacakan. Tantangan lainnya mencakup ketidakseimbangan jumlah objek yang terdeteksi dan objek yang dilacak, serta kemunculan nilai yang tidak terdefinisi (NaN atau Inf). Oleh karena itu, penelitian ini mengusulkan metode data asosiasi berbasis Modified Accelerated Hungarian Algorithm. Metode ini dirancang untuk mempercepat proses pencocokan dengan efisien, serta mampu menangani unbalanced matrix dan nilai tak terdefinisi. Evaluasi menggunakan dataset KITTI menunjukkan bahwa metode ini mampu mencapai 698,87 FPS dengan akurasi pelacakan sebesar 85,42%. Selain itu, penelitian ini juga mengusulkan penggunaan hybrid distance metric, yaitu kombinasi antara Intesection over Union (IoU) dan Mahalanobis Distance untuk meningkatkan ketepatan pencocokan objek. Pada implementasi sistem menggunakan NVIDIA Drive AGX Orin, kombinasi metode tersebut berhasil mencapai performa real-time dengan nilai FPS sebesar 48,05, menunjukkan efektivitasnya dalam sistem pelacakan objek berbasis LiDAR pada kendaraan trem otonom.