Autonomous Car Mechanical Performance Analysis with Region of Interest Method Using Raspberry Pi 4 and Arduino Nano
| Main Authors: | Dewantara, Martinus Hendra, Pratomo, Leonardus Heru, Riyadi, Slamet |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Diponegoro University
, 2022
|
| Subjects: | |
| Online Access: |
https://ejournal.undip.ac.id/index.php/teknik/article/view/47582 https://ejournal.undip.ac.id/index.php/teknik/article/view/47582/22629 |
Daftar Isi:
- The development of artificial intelligence science and technology has now begun to penetrate the automotive sector. Autonomous car is one of them that is now starting to take on the role with several capabilities such as lidar sensors, GPS systems, and image reading through the camera. In this paper, an autonomous car uses an image reading system using a camera as an optical sensor. Object detection is needed in real time because the autonomous car continues to move along the track. Researchers use HSV color classification with the Region of Interest method, which has the ability to mark certain areas so that it can be used to optimize system performance to detect and classify trajectories quickly and precisely. This autonomous car uses a 4WD system with a DC motor as the main driver, Raspberry Pi 4 and Arduino nano as the mainboard for operation. The test method in this study includes testing image processing using the Region of Interest, this test includes road detection that has been designed and mechanical testing of the propulsion used in this autonomous car. In this study, trials have been carried out and this prototype successfully works according to the algorithm that has been made. In this trial, the AGV using the ROI method has very accurate reading and movement accuracy. In trials and hardware implementations carried out in this autonomous car laboratory with artificial intelligence, it can work according to the algorithm created with a success rate of 90%.
- Perkembangan ilmu pengetahuan dan teknologi kecerdasan buatan kini sudah mulai merambah pada bidang otomotif. Autonomous car ialah salah satunya. Teknologi ini mengambil peran termasuk diantaranya kemampuan sensor lidar, sistem Global Positioning System (GPS), dan pembacaan citra melalui kamera. Peneltian ini menganalisis autonomous car menggunakan sistem pembacaan citra dengan menggunakan kamera sebagai sensor optik. Deteksi objek diperlukam secara realtime karena autonomous car terus bergerak mengikuti lintasan. Peneliti menggunakan klasifikasi warna Hue, Saturation, Value (HSV) dengan metode Region of Interest (ROI), yang memiliki kemampuan untuk menandai area tertentu sehingga dapat digunakan untuk mengoptimalkan kinerja sistem untuk mendeteksi dan mengklasifikasi lintasan secara cepat dan tepat. Autonomous car ini menggunakan sistem 4 Wheels Drive (4WD) dengan motor Direct Current (DC) sebagai penggerak utama. Raspberry Pi 4 dan Arduino nano sebagai mainboard untuk pengoperasiannya. Metode pengujian pada penelitian ini meliputi pengujian image processing menggunakan Region of Interest, pengujian ini meliputi deteksi jalan yang sudah dirancang dan pengujian mekanikal penggerak yang digunakan pada autonomous car ini. Pada penelitian ini telah dilakukan uji coba dan prototype ini berhasil bekerja sesuai dengan algoritma yang sudah dibuat. Pada uji coba ini, Autonomous Car menggunakan metode ROI memiliki akurasi baca dan pergerakan yang sangat akurat. Pada Uji coba dan implementasi perangkat keras yang dilakukan di laboratorium autonomous car ini dengan kecerdasan buatan dapat bekerja sesuai dengan algoritma yang dibuat dengan tingkat keberhasilan sebesar 90%.