IMPLEMENTASI MODEL YOLOV8M UNTUK DETEKSI DAN ESTIMASI POSISI HALANGAN BERBASIS KAMERA RGBD PADA KENDARAAN OTONOM

Wahyu Fahrizal Al Fayyadh, - (2025) IMPLEMENTASI MODEL YOLOV8M UNTUK DETEKSI DAN ESTIMASI POSISI HALANGAN BERBASIS KAMERA RGBD PADA KENDARAAN OTONOM. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Kecelakaan lalu lintas tetap menjadi masalah global yang masif, sehingga keselamatan berkendara menjadi aspek yang penting, terutama karena sebagian kecelakaan disebabkan oleh kesalahan manusia. Untuk mengurangi risiko tersebut, diterapkan solusi nyata yang mengacu pada tingkat satu otomatisasi berkendara menurut SAE International, yaitu fitur pengereman otomatis. Penelitian ini mengimplementasikan model YOLOv8m untuk mendeteksi objek halangan pada kendaraan otonom dengan input gambar warna (RGB) dari kamera RGBD. Selain itu, kamera kedalaman dari kamera RGBD juga dimanfaatkan untuk pengukuran jarak, estimasi posisi objek, dan pengereman otomatis, yang dapat dilakukan dengan memanfaatkan bounding box yang terdeteksi oleh model YOLOv8m. Model ini mencapai nilai Mean Average Precision (MAP) terbaik sebesar 0,8612 pada proses pelatihan model. Hasil penelitian menunjukkan bahwa pengukuran jarak, estimasi posisi objek, dan pengereman otomatis dapat dilakukan dengan akurasi yang baik pada kondisi pencahayaan yang bervariasi dengan ditunjukkan Mean Absolute Error (MAE) mendekat nilai nol yang berarti mendekati nilai aktual. Hasil terbaik terdapat pada pengukuran jarak dicapai pada siang hari dengan nilai MAE sebesar 0,328 meter. Pada sistem estimasi posisi objek, koordinat x menunjukkan hasil terbaik pada siang hari dengan MAE sebesar 0,054, sedangkan koordinat y menunjukkan hasil terbaik pada sore hari dengan MAE sebesar 0,075. Implementasi pengereman otomatis juga terbukti dapat dilakukan, dengan nilai MAE sebesar 0,326. Penelitian ini, berkontribusi pada pengembangan teknologi kendaraan otonom, menunjukkan bahwa model YOLOv8m dapat diterapkan untuk pengukuran jarak, estimasi posisi, dan pengereman otomatis pada kendaraan otonom di lingkungan simulasi maupun kondisi nyata. ---------- Traffic accidents remain a massive global issue, making road safety an essential aspect, especially since a significant portion of accidents are caused by human error. To mitigate this risk, a practical solution is implemented based on Level 1 driving automation as defined by SAE International, namely the automatic braking feature. This study implements the YOLOv8m model to detect obstacle objects in autonomous vehicles using color image (RGB) input from an RGB-D camera. Additionally, the depth camera of the RGB-D system is utilized for distance measurement, object position estimation, and automatic braking, leveraging the bounding boxes detected by the YOLOv8m model. The model achieved its best Mean Average Precision (MAP) score of 0.8612 during the training process. The study results indicate that distance measurement, object position estimation, and automatic braking can be performed with good accuracy under various lighting conditions, as shown by a Mean Absolute Error (MAE) approaching zero, which indicates proximity to actual values. The best results for distance measurement were achieved during the daytime, with an MAE of 0.328 meters. For the object position estimation system, the x-coordinate showed the best performance during the daytime with an MAE of 0.054, while the y-coordinate showed the best results in the evening with an MAE of 0.075. The implementation of automatic braking was also proven effective, with an MAE of 0.326. This study contributes to the development of autonomous vehicle technology, demonstrating that the YOLOv8m model can be applied for distance measurement, object position estimation, and automatic braking in both simulated environments and real-world conditions.

	Text S_TEKOM_2103506_Title.pdf Download (613kB)
	Text S_TEKOM_2103506_Chapter1.pdf Download (253kB)
	Text S_TEKOM_2103506_Chapter2.pdf Restricted to Staf Perpustakaan Download (793kB)
	Text S_TEKOM_2103506_Chapter3.pdf Download (829kB)
	Text S_TEKOM_2103506_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB)
	Text S_TEKOM_2103506_Chapter5.pdf Download (224kB)
	Text S_TEKOM_2103506_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Item Type:	Thesis (S1)
Uncontrolled Keywords:	: YOLOv8m; Kamera RGBD; Halangan; Kendaraan Otonom
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Teknik Komputer
Depositing User:	Wahyu Fahrizal Al Fayyadh
Date Deposited:	05 Mar 2025 03:49
Last Modified:	05 Mar 2025 03:49
URI:	http://repository.upi.edu/id/eprint/130251

Actions (login required)

View Item