<![CDATA[Kemajuan teknologi kendaraan otonom menawarkan potensi besar dalam meningkatkan keselamatan lalu lintas. Namun, deteksi objek 3D masih menjadi tantangan, terutama karena keterbatasan akurasi sensor dan kurangnya integrasi mendalam antar fitur dari kamera dan LiDAR. Pendekatan fusi yang ada umumnya menggabungkan fitur dari masing-masing sensor secara terpisah pada tahap akhir, sehingga gagal menangkap interaksi yang kompleks antar sensor.Penelitian ini mengusulkan pendekatan geometric fusion untuk meningkatkan akurasi deteksi objek 3D pada kendaraan otonom, dengan mengintegrasikan data dari kamera RGB dan LiDAR secara lebih mendalam di berbagai tahap pemrosesan. Eksperimen dilakukan menggunakan simulator CARLA, khususnya pada lingkungan Town 5 untuk berbagai skenario uji. Metode ini dievaluasi melalui metrik Route Completion, Infraction Score, dan Driving Score. Hasil menunjukkan bahwa geometric fusion memberikan peningkatan signifikan dibandingkan metode late fusion, dengan Route Completion 87,61%, Infraction Score 0,717, dan Driving Score 62,81. Sistem juga menunjukkan akurasi tinggi dalam mengikuti rute dan menghindari pelanggaran, terutama dalam aspek route deviation dan layout collision yang mencapai nol.Kata kunci : Kendaraan Otonom, Fusi Sensor, Bird’s Eye View, Geometric Fusion, CARLA Simulator ]]>
Copyrights © 2026
