ABSTRAK
Dalam industri penerbangan, khususnya pada pesawat tanpa awak telah
diciptakan berbagai teknologi dan program untuk membantu sistem penglihatan,
contohnya pada UAV (Unmanned Aerial Vehicles) yang merupakan aspek kunci
dalam mengaktifkan kemampuan otonom dan pemahaman lingkungan bagi
pesawat tanpa awak. Dengan memanfaatkan teknologi computer vision, UAV dapat
memperoleh, menganalisis, dan memproses data visual dari lingkungan sekitarnya.
Computer vision adalah elemen kunci dalam sistem penglihatan UAV, termasuk
dengan penggunaan berbagai jenis kamera dan sensor, teknik pendeteksian objek,
pengenalan pola, serta analisis data geospasial. Selain itu, penelitian ini juga dapat
mengeksplorasi kemajuan terbaru dalam navigasi visual dan pengolahan citra
secara real time yang memungkinkan UAV untuk beroprasi di lingkungan yang
beragam dan dinamis.
Pada penelitian ini menyajikan pendekatan baru dalam mendeteksi objek dan
mengestimasi jarak menggunakan gambar yang diperoleh dari depth camera
dengan memanfaatkan arsitektur model ResNet 152. Dalam dekade terakhir, depth
camera semakin populer karena kemampuannya untuk mendapatkan informasi
spasial mengenai lingkungan. Namun, memproses dan memahami data tersebut
tetap menjadi tantangan. Dalam studi ini, penulis menggunakan total 50.000
training dataset untuk model ResNet 152 untuk mengenali berbagai objek serta
mengestimasi jaraknya dari kamera. Hasil eksperimen menunjukkan hasil yang
belum sempurna, dikarenakan model tidak berjalan dengan baik karena saat
pengujian, jarak yang mampu di deteksi hanya sejauh 200 cm pada training model
50.000. Kesimpulannya, pendekatan ini menawarkan cara yang efisien, namun
perlu ditingkatkan kembali untuk dapat memanfaatkan gambar depth dalam deteksi
objek dan estimasi jarak yang lebih jauh agar bisa menjadi sistem penglihatan untuk
UAV.