Dharmatirta, Brian Aditya and Prof. Dr. Eng. Fitri Utaminingrum, S.T., M.T. (2024) Sistem Navigasi Indoor Kursi Roda Pintar Menggunakan Monocular Depth Estimation Pada Nvidia Jetson TX2 NX. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyandang disabilitas merupakan seseorang yang memiliki keterbatasan dalam melakukan beberapa kegiatan. Penyandang disabilitas yang memiliki keterbatasan dalam berjalan dan menggunakan fungsi motorik tubuh bagian atas memiliki kesulitan dalam melakukan navigasi kursi roda secara manual. Oleh karena itu, diperlukan sebuah solusi berupa sistem navigasi indoor pada kursi roda pintar menggunakan Monocular Depth Estimation pada Jetson TX2 NX. Model gabungan U-Net MobileNetV3 digunakan untuk melakukan estimasi kedalaman gambar monokular dalam ruangan yang direkam melalui kamera. Proses komputasi ini akan dijalankan pada mikrokomputer tertanam Nvidia Jetson TX2 NX. Kursi roda pintar akan melakukan navigasi secara autonomous dan bergerak sesuai dengan hasil estimasi yang diberikan. Penelitian ini dimulai dengan melakukan training model gabungan U-Net MobileNetV3 menggunakan dataset NYU – DepthV2 dan melakukan implementasi sistem tersebut. Sistem yang dirancang pada penelitian ini dapat melakukan estimasi kedalaman gambar monokular pada data validasi dengan metrik evaluasi Mean Squared Error sebesar 0.0011, Mean Absolute Error sebesar 0.020, Structural Similiarity Index Measure sebesar 0.92, Root Mean Absolute Error sebesar 0.033, dan Mean Relative Error sebesar 0.071. Waktu komputasi keseluruhan yang dibutuhkan sistem dalam melakukan estimasi adalah sebesar 90.533 milidetik. Integrasi hasil estimasi dengan pergerakan roda menggunakan nilai Pulse Width Modulation (PWM) untuk roda kiri sebesar 64.4 dan 70 PWM untuk roda kanan saat melakukan pergerakan dan 0 PWM saat kursi roda sedang berhenti.
English Abstract
Individuals with disabilities are those who have limitations in performing various activities. Individuals with disabilities who face challenges in walking and using upper body motor functions encounter difficulties in manually navigating a wheelchair. Therefore, a solution required in the form of an indoor navigation system for a smart wheelchair using Monocular Depth Estimation on the Jetson TX2 NX. A combined U-Net MobileNetV3 model is employed to estimate the depth of monocular images recorded through a camera in indoor settings. This computational process will be executed on the embedded microcomputer Nvidia Jetson TX2 NX. The smart wheelchair will navigate autonomously based on the provided depth estimation results. The research begins with training the combined U-Net MobileNetV3 model using the NYU – DepthV2 dataset and implementing the system The designed system in this study can estimate depth from monocular images on the validation data with evaluation metrics, including Mean Squared Error of 0.0011, Mean Absolute Error of 0.020, Structural Similarity Index Measure of 0.92, Root Mean Absolute Error of 0.033, and Mean Relative Error of 0.071. The total computational time required for the system to perform the estimation is 90.533 milliseconds. The integration of estimation results with wheelchair movement utilizes Pulse Width Modulation (PWM) values of 64.4 for the left wheel, 70 for the right wheel during movement, and 0 PWM when the wheelchair is stationary.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150049 |
| Uncontrolled Keywords: | MobileNetV3, Monocular Depth Estimation, Nvidia Jetson TX2 NX, Penyandang Disabilitas, Pulse Width Modulation, U-Net-MobileNetV3, Monocular Depth Estimation, Nvidia Jetson TX2 NX, People with Disabilities, Pulse Width Modulation, U-Net. |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 19 Feb 2024 06:45 |
| Last Modified: | 19 Feb 2024 06:45 |
| URI: | http://repository.ub.ac.id/id/eprint/215419 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Brian Aditya Dharmatirta.pdf Restricted to Registered users only Download (3MB) |
Actions (login required)
 |
View Item |