INNOVATION OF OPTICAL SENSOR-BASED AUTOPILOT SYSTEM FOR REAL-TIME OBSTACLE DETECTION ON UAV
Keywords:
optical sensor, autopilot system, real-time obstacles, image processingAbstract
The development of UAV (Unmanned Aerial Vehicle) technology demands improved navigation capabilities and automatic obstacle avoidance to improve operational safety and effectiveness. This research proposes an innovative optical sensor-based autopilot system capable of detecting obstacles in real-time on UAVs. The system uses optical sensors combined with image processing algorithms to recognize and measure the distance of objects around the UAV, so it can make automatic navigation decisions such as changing flight direction to avoid collisions.) capable of detecting and avoiding obstacles in real-time. This system integrates RGB cameras and LiDAR sensors, which work synergistically to capture visual information and depth data of the surrounding environment. The data processing is carried out through image processing and sensor fusion algorithms, as well as the application of SLAM algorithms for mapping and navigation. The combined use of RGB cameras and LiDAR has been proven to improve accuracy, resilience to environmental conditions, and stability of UAV flight paths. This system has the potential to be a more adaptive and intelligent alternative solution compared to conventional autopilot systems, especially in environments without GPS signals
References
Anderson, M., & Kumar, S. (2022). Optical sensor integration for obstacle avoidance in UAV. Journal of Autonomous Systems, 15(3), 145-158
Badue, C., Guidolini, R., Carneiro, R. V., Azevedo, P., Cardoso, V. B., Forechi, A., Jesus, L., Berriel, R., Paixão, T. M., Mutz, F., Oliveira-Santos, T., & Badue, C. (2021).Self-driving cars: A survey.
Brown, T. (2018). Airspeed measurement techniques for unmanned aerial vehicles. Aerospace Sensors Review, 10(2), 78-85.
Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I., & Leonard, J. J. (2016).
Evolusi teknologi SLAM: Dari masa lalu ke masa depan yang tangguh terhadap persepsi. IEEE Transactions on Robotics, 32(6), 1309–1332.
Chen, C., Seff, A., Kornhauser, A., & Xiao, J. (2017). DeepDriving: Pendekatan pembelajaran affordance untuk persepsi langsung pada kendaraan tanpa pengemudi. Dipresentasikan dalam IEEE International Conference on Computer Vision (ICCV), hlm. 2722–2730
Chen, C., Seff, A., Kornhauser, A., & Xiao, J. (2019). DeepDriving: Pendekatan pembelajaran affordance untuk persepsi langsung pada kendaraan tanpa pengemudi. Dipresentasikan dalam IEEE International Conference on Computer Vision (ICCV), hlm. 2722–2730
Colomina, I., & Molina, P. (2014). Sistem udara tak berawak dalam fotogrametri dan penginderaan jauh: Sebuah ulasan menyeluruh. ISPRS Journal of Photogrammetry and Remote Sensing, 92, 79–97.
Colomina, I., & Molina, P. (2017). Sistem udara tak berawak dalam fotogrametri dan penginderaan jauh: Sebuah ulasan menyeluruh. ISPRS Journal of Photogrammetry and Remote Sensing, 92, 79–97.
Debnath, D., Vanegas, F., Sandino, J., Hawary, A. F., & Gonzalez, F. (2024). Studi literatur mengenai algoritma perencanaan jalur UAV dan metode penghindaran rintangan untuk aplikasi penginderaan jauh. Remote Sensing, 16(21).
Debnath, D., Vanegas, F., Sandino, J., Hawary, A. F., & Gonzalez, F. (2024) Hal 2. Studi literatur mengenai algoritma perencanaan jalur UAV dan metode penghindaran rintangan untuk aplikasi penginderaan jauh. Remote Sensing, 16(21).
Dosovitskiy, A., Ros, G., Codevilla, F., López, A., & Koltun, V. (2017). CARLA: An open urbandriving simulator. Proceedings of the 1st Annual Conference on Robot Learning (CoRL).
Geiger, A., Lenz, P., & Urtasun, R. (2012). Apakah kita telah siap untuk kendaraan otonom? KITTI: Kumpulan data pengujian berbasis visi. Dipresentasikan pada Konferensi IEEE tentang Computer Vision and Pattern Recognition (CVPR) tahun 2012, hlm. 3354–3361.
Grewal, M. S., Weill, L. R., & Andrews, A. P. (2006). Sistem Navigasi: GPS, Navigasi Inersia, dan
Integrasinya (EdisiKedua).
Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). Dasar formal untuk penentuan jalur biaya minimum menggunakan pendekatan heuristik. IEEE Transactions on Systems ScienceNopember. and Cybernetics, 4(2), 100–107.
Ilhami, M. (2015). Perancangan dan implementasi UAV Hexacopter dengan kontrol PID. Tugas akhir, Institut Teknologi Sepuluh
Ilhami, M. (2015) Hal 2. Perancangan dan implementasi UAV Hexacopter dengan kontrol PID. Tugas akhir, Institut Teknologi Sepuluh
Johnson, R., & Lee, H. (2019). Magnetometer interference in drone navigation systems. International Journal of Robotics and Automation, 34(1), 23-30
Khatib, O. (1986). Penghindaran rintangan secara waktu nyata untuk robot bergerak dan manipulator. The International Journal of Robotics Research, 5(1), 90–98.
Khatib, O. (1989). Penghindaran rintangan secara waktu nyata untuk robot bergerak dan manipulator. The International Journal of Robotics Research, 5(1), 90–98.
Kümmerle, R., Grisetti, G., Strasdat, H., Konolige, K., & Burgard, W. (2011). g2o: Kerangka kerja umum untuk optimisasi graf. Disajikan dalam Konferensi Internasional IEEE tentang Robotika dan Otomasi, hlm. 3607– 3613.
Oleynikova, H., Taylor, Z., Fehr, M., Siegwart, R., & Nieto, J. (2016). Voxblox: Pemetaan 3D berbasis Euclidean Signed Distance secara bertahap untuk perencanaan MAV di dalam pesawat. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 1366–1373.
Scaramuzza, D., & Fraundorfer, F. (2011). Tutorial mengenai visual odometry. IEEE Robotics and Automation Magazine, 18(4), 80–92.
Shah, S., Dey, D., Lovett, C., & Kapoor, A. (2018). AirSim: Simulasi visual dan fisik berkualitas tinggi untuk kendaraan otonom. Dipublikasikan dalam Field and Service Robotics, hlm.
Shah, S., Dey, D., Lovett, C., & Kapoor, A. (2019). AirSim: Simulasi visual dan fisik berkualitas tinggi untuk kendaraan otonom. Dipublikasikan dalam Field and Service Robotics, hlm.
Shang, Z., & Shen, Z. (2018). Pelokalan real-time UAV berbasis model visual untuk inspeksi struktur secara mandiri dalam lingkungan tanpa GPS. Dalam Computing in Civil Engineering 2019, hlm. 292–298.
Shang, Z., & Shen, Z. (2019). Pelokalan real-time UAV berbasis model visual untuk inspeksi struktur secara mandiri dalam lingkungan tanpa GPS. Dalam Computing in Civil Engineering 2019, hlm. 292–298.
Smith, J. (2020). Inertial measurement units in UAV flight control. Journal of Aerospace Engineering, 27(4), 200-210.
Xie, G., Zhang, J., Tang, J., Zhao, H., Sun, N., & Hu, M. (2021). Deteksi rintangan dengan menggabungkan kedalaman dari lidar dan radar pada kondisi yang menantang.
Xie, G., Zhang, J., Tang, J., Zhao, H., Sun, N., & Hu, M. (2022). Deteksi rintangan dengan menggabungkan kedalaman dari lidar dan radar pada kondisi yang menantang.
Zhang, J., & Singh, S. (2014). LOAM: Sistem odometri dan pemetaan berbasis lidar secara waktu nyata. Dipresentasikan dalam Robotics: Science and Systems (RSS).
Zhang, J., & Singh, S. (2017). Odometri dan pemetaan lidar dengan deviasi rendah dan waktu nyata. Autonomous Robots, 41(2), 401–416.
Zhou, Q.-Y., Park, J., & Koltun, V. (2018). Open3D : Pustaka modern untuk pemrosesan data 3D.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Indah Setya Khinanti, Indah Kumala Santi, Syakila Lathifa Rihan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
