<![CDATA[Teknologi sensor yang berkembang pesat, yaitu Light Detection and Ranging (LiDAR), banyak digunakan dalam bidang segmentasi citra dan deteksi objek. Point cloud 3D, yang memvisualisasikan pantulan objek, menjadi hasil dari teknologi ini. Namun, kendala atau tantangan muncul dalam segmentasi point cloud 3D karena struktur data yang tidak beraturan, menyebabkan noise dan tumpang tindih bentuk objek. Hal ini memengaruhi keakuratan segmentasi dan deteksi objek. Untuk mengatasi masalah tersebut, jawabannya ditemukan dalam pendekatan proyeksi bola. Dengan mengubah data point cloud 3D menjadi gambar 2D, proses segmentasi gambar menjadi lebih mudah. Tujuannya adalah untuk segmentasi bagian tubuh dengan menggunakan data 3D point cloud, Saat melakukan segmentasi gambar hasil konversi data 3D ke 2D menggunakan deep learning, model yang efektif untuk mempelajari data tersebut adalah Mask R-CNN. Akurasi 59% berhasil dicapai dalam 200 epoch berdasarkan data pelatihan. Penelitian ini diharapkan dapat membuka jalan untuk penelitian lebih lanjut guna menyempurnakan dan mengembangkan ilmu pengetahuan dibidang computer vision dan kecerdasan buatan.Kata kunci: LiDAR; Point Cloud; Segmentasi; Spherical Projection]]>
Copyrights © 2024
