Pengenalan Pola Lintasan Berbasis Neural Network Pada Prototype Self-Driving Car

Abstract

<p><em>Self driving cars are an interesting topic to discuss due to the high level of traffic accidents that occur due to human error. Self driving cars are vehicles that can find out about the environment with minimal human intervention. Self driving itself has many development methods such as Light Detection and Ranging (LIDAR), cameras, radars, or a combination of these sensors. This study made a prototype self-driving car using a camera as a sensor and a neural network algorithm for pattern recognition. The pattern recognition in question is the image recognition of the path taken. The data that has been taken will later be converted into a matrix with dimensions of 320x120 according to the image resolution. Then the data will be trained to recognize the path pattern with the proportion of 7: 3 for training accuracy and validation accuracy. The resulting prediction has an accuracy of 76.86% for training accuracy and 75.24% for validation accuracy.</em></p>

Penerapan Algoritma HSV pada Autonomous Car untuk Sistem Self-Driving Berbasis Raspberry Pi 4

“…Penelitian ini merupakan penyempurnaan dari sistem self-driving dimana autonomous car yang dibuat oleh peneliti ini menggunakan kamera sebagai input pembacaan jalur dengan algoritma HSV yang memiliki tingkat akurasi yang tinggi dengan mengatur threshold untuk menyempurnakan pembacaan jalur autonomous car yang dibuat oleh peneliti ini apabila dibandingkan dengan penelitian sebelumnya [9], dimana sistem masih menggunakan sampel jalan yang kurang efisien karena pada jalan yang belum disampel tidak dapat dilalui oleh robot tersebut [10]. Penggunaan metode filter warna HSV ini digunakan karena robot dapat dioperasikan secara real time dan tidak perlu dilakukan adanya training model jalan yang hendak dilalui.…”