IMPLEMENTASI SISTEM SELF DRIVE CAR DENGAN INDIKATOR HSV BERBASIS KOMUNIKASI SERIAL RASPBERRY PI 4 & ARDUINO NANO

ROESTAMADJI, KELVIN KRISTIAN (2022) IMPLEMENTASI SISTEM SELF DRIVE CAR DENGAN INDIKATOR HSV BERBASIS KOMUNIKASI SERIAL RASPBERRY PI 4 & ARDUINO NANO. Other thesis, Universitas Katholik Soegijapranata Semarang.

[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-COVER_a.pdf

Download (580kB) | Preview
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-BAB I_a.pdf

Download (258kB) | Preview
[img] Text
18.F1.0030-Kelvin Kristian Roestamadji-BAB II_a.pdf
Restricted to Registered users only

Download (639kB)
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-BAB III_a.pdf

Download (574kB) | Preview
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-BAB IV_a.pdf

Download (1MB) | Preview
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-BAB V_a.pdf

Download (187kB) | Preview
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-DAPUS_a.pdf

Download (258kB) | Preview
[img]
Preview
Text
18.F1.0030-Kelvin Kristian Roestamadji-LAMP_a.pdf

Download (616kB) | Preview

Abstract

Perkembangan teknologi di sektor transportasi di masa ini semakin krusial. Sehingga perusahaan berinovasi menciptakan mobil yang dapat berjalan sendiri dengan tingkat keamanan yang tinggi. Self-driving adalah sistem yang dapat mempermudah pekerjaan manusia selama mengemudi. Pada penelitian ini, kami merancang sistem penggerak otonom untuk mobil RC skala 1:10 menggunakan komponen utama berupa Raspberry Pi 4 dan kamera Raspberry Pi sebagai pengolahan citra untuk kendali otomatis pada autonomous car. Kemudian komponen Arduino Nano, BTS7960 dan Driver L298N difungsikan untuk mengatur pergerakan motor DC. Penelitian ini menerapkan Computer vision yang dipakai untuk sistem navigasi agar dapat berjalan sesuai dengan pola lintasan. Pada penelitian ini tingkat akurasi dan kemampuan mengenali jalur menggunakan teknik filter warna HSV(Hue, Saturation, Value). Algoritma HSV merupakan sistem untuk mendeteksi tepi garis lintasan dengan memproses gambar dari kamera Raspberry Pi. Dari hasil kalibrasi nilai threshold yang digunakan adalah sebesar Hmin = 135 dan Hmax = 179, nilai S sebesar Smin = 70 dan Smax = 255, dan nilai V sebesar Vmin = 53 dan Vmax = 106 agar dapat mendeteksi jalur lintasan secara jelas, baik di dalam ruangan maupun diluar ruangan. Ruang warna HSV sangat cocok untuk mengidentifikasi warna primer, dan HSV toleran terhadap perubahan intensitas cahaya. Itulah keuntungan dari HSV dibandingkan dengan ruang warna lainnya.

Item Type: Thesis (Other)
Subjects: 600 Technology (Applied sciences) > 620 Engineering > 621 Electrical engineering
Divisions: Faculty of Engineering > Department of Electrical Engineering
Depositing User: mr AM. Pudja Adjie Sudoso
Date Deposited: 08 Dec 2022 01:41
Last Modified: 08 Dec 2022 01:41
URI: http://repository.unika.ac.id/id/eprint/30427

Actions (login required)

View Item View Item