ANALISIS PENINGKATAN AKURASI ESTIMASI JARAK KENDARAAN DI DEPAN PADA ADAS MENGGUNAKAN FUSI KAMERA DAN LiDAR

Oleh :
Naufal Alehenri Giribhadra - I0722050 - Fak. Teknik

Estimasi jarak kendaraan yang presisi menjadi kebutuhan utama sistem Advanced Driver Assistance System (ADAS). Namun, sensor tunggal memiliki keterbatasan: kamera rentan terhadap variasi pencahayaan dan oklusi, sedangkan LiDAR rawan mengalami penguncian target palsu akibat dominasi titik pantul objek latar belakang. Penelitian ini mengusulkan algoritma fusi kamera monokular dan LiDAR 2D berbasis Robot Operating System 2 (ROS2). Model YOLOv8 mendeteksi kendaraan untuk menghasilkan bounding box sebagai Region of Interest (ROI), sementara titik point cloud LiDAR di dalam ROI disaring menggunakan K-Means Clustering untuk mengekstraksi jarak secara presisi. Pengujian pada skenario statis, oklusi, dan dinamis menunjukkan sistem fusi mencapai root mean square error (RMSE) sebesar 33,8 mm pada kondisi statis, jauh lebih baik dibandingkan kamera tunggal (1,9338 m). LiDAR tunggal memang akurat tanpa rintangan (RMSE 36,3 mm), tetapi gagal mengestimasi jarak target spesifik saat oklusi karena tidak memiliki filter semantik. Sistem fusi terbukti tangguh memisahkan objek tumpang tindih dan mempertahankan pelacakan trayektori dinamis dengan RMSE 6,86 cm. Dari sisi komputasi, fusi hanya menambah beban memori 6 MB, meski kecepatan sistem tertahan di 2,2 FPS akibat keterbatasan CPU tanpa akselerator grafis untuk inferensi YOLOv8. Pengujian pada kondisi lingkungan yang lebih ekstrem menjadi arah pengembangan selanjutnya.