Pratama, Davi Rizky (2026) IMPLEMENTASI YOLOPv2 PADA SISTEM PERSEPSI VISUAL AUTONOMOUS DELIVERY VEHICLE. Undergraduate thesis, Universitas Diponegoro.

	Text LAPORAN_TUGAS_AKHIR_DAVI_RIZKY_PRATAMA_030_REVISII.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy
	Text COVER.pdf - Published Version Download (55kB)
	Text HALAMAN PENGESAHAN.pdf - Published Version Download (786kB)
	Text BAB 1.pdf - Published Version Download (179kB)
	Text BAB 2.pdf - Published Version Download (511kB)
	Text BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB 4.pdf - Published Version Download (957kB)
	Text BAB 5.pdf - Published Version Download (111kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (79kB)
	Text LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Autonomous Delivery Vehicle (ADV) membutuhkan sistem persepsi visual untuk memperoleh informasi objek, area yang dapat dilalui, dan batas jalur. Penelitian ini mengimplementasikan sistem persepsi berbasis YOLOPv2 menggunakan kamera RGB Astra, ROS 2 Humble, dan mini PC Intel NUC dengan inferensi pada CPU. Pengujian meliputi validasi sistem, deteksi manusia dan estimasi jarak 1–5 m pada
kondisi malam dan siang dengan total 100 capture, Lane Safety pada enam kondisi, performa pemrosesan pada tiga kondisi visual, serta integrasi keluaran persepsi. Hasil pengujian menunjukkan detection rate 100% pada kedua kondisi dengan
confidence rata-rata 0,867 pada malam dan 0,974 pada siang. Estimasi jarak menghasilkan MAE/RMSE 0,244/0,310 m pada malam dan 0,539/0,627 m pada siang. Status Lane Safety sesuai pada 60 dari 60 capture. Throughput pemrosesan pipeline YOLOPv2 pada CPU sebesar 1,587–1,619 FPS dengan waktu inferensi rata-rata 589,9–614,9 ms; nilai FPS tersebut merepresentasikan laju penyelesaian pipeline dan bukan frame rate akuisisi kamera. Informasi obstacle membentuk marking pada local costmap pada lima dari lima rekaman integrasi.Dapat disimpulkan bahwa sistem persepsi berbasis YOLOPv2 mampu mendeteksi manusia secara konsisten dan menghasilkan status Lane Safety yang sesuai, sedangkan estimasi jarak berbasis bounding box masih sensitif terhadap kondisi visual dan throughput pada CPU masih perlu ditingkatkan.
Kata kunci: YOLOPv2, persepsi visual, deteksi manusia, estimasi jarak, Lane Safety, ROS 2.

Actions (login required)

View Item