AUTONOMOUS CAR AND SIGN DETECTION MENGGUNAKAN IMAGE PROCESSING, HAAR CASCADE, DAN PID

Pada penelitian ini menggunakan metode Image processing, Haar cascde, dan PID dalam membangun sistem pada autonomous car, Secara garis besar sistem kerja pada autonomous car yaitu. Pada metode Image processing digunakan untuk mendeteksi marka jalan dengan menggunakan algoritma (BGR to RGB , Perspective transformation, treshold, canny edge , dan histogram) dalam mencari nilai parameter piksel dengan jarak sesungguhnya. Nilai parameter pada hasil line detection digunakan untuk inputan pada sistem PID, dalam mengendalikan handling mobil autonomous. Di sisi lain dalam pelatihan citra haar cascade menggunakan gambar sampel positif (1000) dan negatif (1400). untuk mendapatkan model statistik pada hasil training haar cascade. Pada hasil pengujian image processing di dapatkan hasil korelasi jarak marka jalan terhadap piksel kamera sebesar 1 cm/10 piksel. Sehingga dengan korelasi tersebut didapatkan akurasi sebesar 0,1cm/piksel. Dan pada hasil pengujian pendeteksian rambu lalu lintas secara statis di uji dengan jarak 5 cm sampai 120 cm di dapatkan hasil pendeteksian secara optimal pada jarak 5 cm sampai dengan 90 cm. Pada pengujian sudut pandang rambu lalu lintas pada sudut 10^○sampai dengan 140^○ di dapatkan hasil pendeteksian secara optimal pada sudut 20^○sampai 130^○. Sedangkan saat pengujian secara dinamis perfoma pendeteksian tergantung pada sudut dan jarak pembacaan seperti pada hasil dari pengujian statis dan faktor pencahayaan yang sesuai pada hasil training data sampel pada rambu lalu lintas