Sistem Navigasi Indoor Kursi Roda Pintar menggunakan Monocular Depth Estimation pada Nvidia Jetson TX2 NX
Kata Kunci:
MobileNetV3, Monocular Depth Estimation, Nvidia Jetson TX2 NX, Penyandang Disabilitas, Pulse Width Modulation, U-NetAbstrak
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 yang telah terlatih pada dataset NYU-DepthV2 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. Sistem yang dirancang pada penelitian ini dapat melakukan estimasi kedalaman gambar monokular pada data validasi dengan metrik evaluasi RMSE sebesar 0.033, dan REL sebesar 0.071, dan SSIM sebesar 0.92. Waktu komputasi keseluruhan yang dibutuhkan sistem dalam melakukan estimasi adalah sebesar 90.533 milidetik dengan integrasi hasil estimasi dengan pergerakan roda adalah 64.4 PWM untuk roda kiri dan 70 PWM untuk roda kanan saat melakukan pergerakan dan 0 PWM saat kursi roda sedang berhenti.
Referensi
Abd Elaziz, M., Dahou, A., Alsaleh, N. A., Elsheikh, A. H., Saba, A. I., & Ahmadein, M. (2021). Boosting COVID-19 Image Classification Using MobileNetV3 and Aquila Optimizer Algorithm. Entropy, 23(11), 1383. https://doi.org/10.3390/e23111383
Bhoi, A. (2019). Monocular Depth Estimation: A Survey.
Li, Z., Chen, Z., Liu, X., & Jiang, J. (2022). DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation.
Siddique, N., Paheding, S., Elkin, C. P., & Devabhaktuni, V. (2021). U-net and its variants for medical image segmentation: A review of theory and applications. IEEE Access. https://doi.org/10.1109/ACCESS.2021.3086020
Silberman, N., Hoiem, D., Kohli, P., & Fergus, R. (n.d.). Indoor Segmentation and Support Inference from RGBD Images.
Tayab Noman, A., Khan, Md. S., Emdadul Islam, M., & Rashid, H. (2018). A New Design Approach for Gesture Controlled Smart Wheelchair Utilizing Microcontroller. 2018 International Conference on Innovations in Science, Engineering and Technology (ICISET), 64–68. https://doi.org/10.1109/ICISET.2018.8745607
Wofk, D., Ma, F., Yang, T.-J., Karaman, S., & Sze, V. (2019). FastDepth: Fast Monocular Depth Estimation on Embedded Systems. 2019 International Conference on Robotics and Automation (ICRA), 6101–6108. https://doi.org/10.1109/ICRA.2019.8794182
Abd Elaziz, M., Dahou, A., Alsaleh, N. A., Elsheikh, A. H., Saba, A. I., & Ahmadein, M. (2021). Boosting COVID-19 Image Classification Using MobileNetV3 and Aquila Optimizer Algorithm. Entropy, 23(11), 1383. https://doi.org/10.3390/e23111383
Bhoi, A. (2019). Monocular Depth Estimation: A Survey.
Li, Z., Chen, Z., Liu, X., & Jiang, J. (2022). DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation.
Siddique, N., Paheding, S., Elkin, C. P., & Devabhaktuni, V. (2021). U-net and its variants for medical image segmentation: A review of theory and applications. IEEE Access. https://doi.org/10.1109/ACCESS.2021.3086020
Silberman, N., Hoiem, D., Kohli, P., & Fergus, R. (n.d.). Indoor Segmentation and Support Inference from RGBD Images.
Tayab Noman, A., Khan, Md. S., Emdadul Islam, M., & Rashid, H. (2018). A New Design Approach for Gesture Controlled Smart Wheelchair Utilizing Microcontroller. 2018 International Conference on Innovations in Science, Engineering and Technology (ICISET), 64–68. https://doi.org/10.1109/ICISET.2018.8745607
Wofk, D., Ma, F., Yang, T.-J., Karaman, S., & Sze, V. (2019). FastDepth: Fast Monocular Depth Estimation on Embedded Systems. 2019 International Conference on Robotics and Automation (ICRA), 6101–6108. https://doi.org/10.1109/ICRA.2019.8794182
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
