2020 : Sistem Deteksi Dan Pelacakan Benda Pada Lintasan Kendaraan Berbasis Citra RGB-D Untuk Mendukung Self-Driving Car

Ir. Hendra Kusuma M.Eng.Sc.

Muhammad Attamimi B.Eng.,M.Eng.,Ph.D

Atar Fuady Babgei S.T., M.Sc.

Abstract

Sistem deteksi dan pelacakan benda adalah sistem yang mampu menentukan posisi suatu benda dan mengikuti posisi benda tersebut. Implementasi sistem ini kedalam sistem cerdas dan/atau mesin cerdas seperti self-driving car menjadi sangat penting karena sistem tersebut mampu menentukan lokasi dari benda-benda yang berada dalam jangkauannya (yakni diatas lintasan pada self-driving car) setiap saat. Penentuan lokasi tersebut menjadi salah satu parameter bagi self-driving car untuk memutuskan gerakannya seperti apakah harus berhenti, mendahului, berbelok ke kiri atau ke kanan. Dalam penelitian ini citra warna (RGB) dan depth (D) atau disebut citra RGB-D yang diambil dari kamera RGB-D akan digunakan sebagai input dari sistem. Masing-masing komposisi dari citra yang diambil memiliki keunggulan dan kekurangan. Pada pencahayaan yang normal citra warna lebih deskriptif dibandingkan citra depth. Namun pencahayaan yang kurang bagus menjadikan kelemahan citra warna. Sebaliknya walaupun cenderung tidak deskriptif citra depth lebih stabil terhadap pencahayaan dan juga lebih akurat dalam menghitung jarak dan ukuran benda. Oleh karena itu kombinasi kedua citra yakni citra RGB-D digunakan disini. Permasalahan yang dihadapi dalam relealisasi sistem yang diajukan adalah 1) Variasi dari jenis benda yang akan dideteksi, dan 2) Lokasi dan/atau orientasi dari benda yang termuat dalam citra input. Permasalahan pertama dapat diatasi dengan verifikasi benda yang menjadi target dengan database atau bisa disebut sebagai identifikasi benda. Permasalahan kedua dapat diselesaikan dengan mengajukan beberapa hipotesa tentang lokasi dan/atau orientasi dari target benda; tentunya juga dengan mempertimbangkan bentuk dan ukuran benda tersebut. Dalam penelitian ini, kedua masalah diatas akan diselesaikan dengan menggunakan metode Deep Learning. Transfer learning akan dilakukan untuk menambah akurasi dari model yang dibuat. Kontribusi dari penelitian ini adalah sistem yang mampu mendeteksi dan melacak benda dengan input berupa citra RGB-D. Output dari sistem berupa lokasi benda yang dapat dimanfaatkan untuk menghitung jarak, orientasi, maupun kecepatan relatif benda yang bergerak. Manfaat tersebut diharapkan memudahkan realisasi self-driving car.