Perancangan Data Pipeline Computer Vision untuk Mendukung Pelatihan Agen Otonom dalam Mengenali Rambu Lalu Lintas
DOI:
10.51519/journalcisa.v5i1.450Keywords:
Kendaraan otonom, Pipeline Computer Vision, Traffic-Sign, RecognitionAbstract
Kendaraan otonom merupakan alat transportasi yang dibangun dari sensor yang dipasang dengan perangkat komputasi tertentu, kemudian diproses oleh algoritma yang akan mengeluarkan kontrol untuk menggantikan manusia dalam mengemudi kendaraan secara otomatis. Data pipeline computer vison merupakan salah satu hal yang diperlukan untuk mendukung agen cerdas dalam mengenali rambu-rambu lalu lintas, sehingga agen mampu memproses dan menganalisa data image yang mampu membantu pengemudi menghindari sejumlah besar potensi bahaya dan meningkatkan pengalaman berkendara. Tahapan perancangan Traffic Sign Recognition (TSR) untuk mendukung pelatihan agen otonom dalam mengenali rambu lalu lintas dimulai dengan membuat Dataset Rambu Lalu Lintas Indonesia (DSRLI), pre-processing, kemudian melakukan Traffic Sign Detection (TSD) dan TSR dan akhirnya melakukan aksi berdasarkan informasi yang dikumpulkan. Hasil dari penelitian yang telah dilakukan berupa pendekatan baru untuk mempercepat proses deteksi rambu lalu lintas yang diusulkan berupa complete data pipeline untuk TSR, termasuk deteksi dan pengenalan tanda yang dijelaskan, serta data set baru yang spesifik untuk lalu lintas di Indonesia.
References
D. Ponce and D. Forsyth, "Computer Vision: A Modern Approach," 2nd ed., Pearson, 2011.
B. J. Chelliah, V. Chauhan, S. Mishra, and V. Sharma, "Advancement of Driverless Cars and Heavy Vehicles using Artificial Intelligence (Object Detection)," Int. J. Eng. Adv. Technol., vol. 9, no. 1, pp. 6183–6186, 2019.
R. Szeliski, "Computer Vision: Algorithm dan Application," Springer, 2011.
N. Agarwal, C.-W. Chiang, and A. Sharma, "A Study on Computer Vision Techniques for Self-driving Cars," in Int. Conf. on Frontier Computing, Springer Link, pp. 629–634, 2018.
M. P. Philipsen, M. B. Jensen, A. Møgelmose, T. Moeslund, and M. Trivedi, "Traffic Light Detection: A Learning Algorithm and Evaluations on Challenging Dataset," in Proc. IEEE 18th Int. Conf. Intelligent Transportation Systems, 2015.
M. B. Jensen, M. P. Philipsen, A. Møgelmose, T. Moeslund, and M. Trivedi, "Vision for Looking at Traffic Lights: Issues, Survey, and Perspectives," IEEE Trans. Intelligent Transportation Systems, vol. 17, no. 7, pp. 1800–1815, 2016.
J. Janai, F. Guney, A. Behl, and A. Geiger, "Computer Vision for Autonomous Vehicles: Problems, Datasets and State-of-the-Art," Computer Science, pp. 35–43, 2017.
D. Vitas, M. Tomic, and M. Burul, "Traffic Light Detection in Autonomous Driving Systems," IEEE Consumer Electronics Magazine, vol. 9, no. 4, pp. 90–96, 2020.
H. Marina, I. Soto, J. Valerio, R. Zamorano-Illanes, E. Toledo-Mercado, and R. Wang, "Automatic Traffic Light Detection Using AI for VLC," in Proc. 13th Int. Symp. on Communication Systems, Networks and Digital Signal Processing (CSNDSP), pp. 446–451, 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Mellia Liyanthy
This work is licensed under a Creative Commons Attribution 4.0 International License.
