<![CDATA[Peningkatan jumlah kendaraan berkontribusi terhadap tingginya angka kecelakaan lalu lintas, yang sebagian besar disebabkan oleh kesalahan manusia. Sebagai contoh, pada tahun 2024, jumlah mobil mencapai 1.475 miliar, dan sekitar 61% kecelakaan disebabkan oleh human error yang berpotensi berujung pada kematian. Penggunaan kendaraan otonom dapat menjadi solusi dari permasalahan tersebut guna mengurangi kontak kendali secara langsung oleh manusia. Pada perkembangannya, penggunaan metode deteksi objek 3D kendaraan lalu lintas berdasarkan sensor kamera monokuler dan sensor Light Detection and Ranging (LiDAR) yang diolah melalui algoritma YOLOv3 dengan backbone Darknet-53, masih sanggup menjadi opsi untuk pengolahan dataset citra. Hasil dari pengolahan dataset tersebut yaitu 0,60 Mean Average Precision (mAP) dengan threshold Intersection of Union (IoU) sebesar 0,5. Sehingga potensi metode deteksi objek 3D kendaraan lalu lintas pada kendaraan otonom dapat dikembangkan menjadi lebih akurat dan presisi dengan penerapan algoritma terbarukan dan model objek yang lebih lengkap di dalam dataset. Kata kunci: Deteksi objek 3D, kamera monokuler, kendaraan otonom, LiDAR, YOLOv3.]]>
Copyrights © 2025
