Sistem Deteksi dan Pengenalan Jenis Rambu Lalu Lintas Menggunakan Metode Shape Detection pada Raspberry Pi

Main Author: Sitanggang, Olivia Rumiris
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2018
Subjects:
Online Access: http://repository.ub.ac.id/161924/1/Olivia%20Rumiris%20Sitanggang.pdf
http://repository.ub.ac.id/161924/
Daftar Isi:
  • Pengenalan Rambu Lalu Lintas (Traffic Sign Recognition) adalah teknologi pengolahan citra digital yang digunakan untuk mengenali rambu secara real-time. Teknologi ini diterapkan dalam Driver Assistance System (DAS). Pengenalan Rambu Lalu Lintas terdiri dari dua fase utama, yaitu deteksi rambu dan pengenalan. Deteksi merupakan fase untuk menemukan kemungkinan area gambar dimana rambu berada. Keluaran dari proses deteksi adalah gambar hasil segmentasi berisi Region of Interest (ROIs) yang dapat mengenali daerah potensial rambu jalan berada. Daerah potensial tersebut akan mempengaruhi input proses pengenalan (recognition). Sehingga dibangun sebuah sistem pendeteksi dan pengenalan jenis rambu. Sistem ini diimplementasikan pada Raspberry Pi dan bekerja real-time saat mengolah citra dari rambu dari webcam. Algoritma deteksi dibagi menjadi tiga bagian utama, yaitu segmentasi warna, shape detection, dan klasifikasi rambu. Metode yang diterapkan dalam penelitian ini adalah metode pengenalan bentuk. Metode ini didukung oleh jumlah titik dari objek sebegai representasi dari tiap-tiap bentuk dan perbandingan luas objek kontur dengan bounding rectangle. Output dari sistem ini berupa notifikasi suara jenis rambu bagi pengendara. Diharapkan dengan metode ini proses pendeteksian untuk menemukan regional rambu lebih akurat sehingga memperkecil jumlah informasi yang perlu diolah dalam tahap pengenalan. Tingkat keberhasilan deteksi jenis rambu perintah, larangan, dan rambu peringatan yaitu 80.7%, hasil pengujian warna dari ketiga rambu mencapai angka 85.45%, dan hasil persentase mengenali bentuk dari rambu adalah 80.7%. durasi mendeteksi jenis rambu ini menghasbiskan 0.5 detik untuk satu frame atau 2 frame perdetiknya dengan jarak deteksi 2-5 meter.