Kendaraan otonom merupakan sistem transportasi cerdas yang mampu bergerak tanpa kendali langsung manusia. Salah satu tantangan utama dalam pengembangan kendaaraan ini adalah bagaimana membangun peta lingkungan serta menentukan posisinya secara bersamaan. Untuk menjawab tantangan ini, algoritma Simultaneous Localization and Mapping (SLAM) berbasis visual, khususnya ORB-SLAM2, diimplementasikan pada modul JetRacer AI Kit dengan bantuan kamera monokular IMX 219-160. Metode yang digunakan mencakup studi literatur, perancangan perangkat keras dan lunak, implementasi algoritma, serta pengujian sistem. Algoritma ORB-SLAM2 dijalankan pada sistem Jetson Nano untuk memproses citra dari kamera dan menghasilkan pemetaan 3D serta estimasi lintasan kamera. Pengujian dilakukan dalam dua kondisi pencahayaan (terang dan redup) dengan variasi parameter nFeatures untuk menganalisis performa deteksi fitur, waktu inisialisasi, serta jumlah map points yang dihasilkan. Hasil penelitian menunjukkan bahwa algoritma ORB-SLAM2 mampu untuk membentuk lingkungan secara real – time dengan tingkat akurasi dan efesiensi yang tinggi. Pada kondisi terang, performa optimal tercapai pada nFeatures 700-800 dengan map points tertinggi sebanyak 1734 dan waktu inisialisasi 50 ms. Sedangkan pada kondisi redup, performa terbaik tercapai pada nFeatures 900 dengan 2543 map points dan efesiensi deteksi mencapai 99,89 %. Kata Kunci : Computer Vision, JetRacer AI Kit, Kendaraan Otonom, ORB Feature Detection, ORB-SLAM2, Visual SLAM
Copyrights © 2025