Deteksi marka jalan adalah salah satu elemen kunci dalam pengembangan kendaraan otonom. Kemampuan untuk mengidentifikasi dan mengikuti marka jalan adalah langkah penting dalam menciptakan mobil yang dapat mengemudi sendiri. Salah satu teknik yang banyak digunakan dalam deteksi marka jalan adalah Transformasi Hough. Artikel ini akan membahas bagaimana Transformasi Hough dapat diterapkan untuk deteksi marka jalan dalam pengolahan video.

Transformasi Hough adalah teknik yang digunakan untuk mendeteksi garis lurus dalam citra atau video. Teknik ini awalnya dikembangkan oleh Paul Hough pada tahun 1962 dan telah banyak digunakan dalam berbagai aplikasi pemrosesan citra, termasuk deteksi marka jalan.

Ide dasar dari Transformasi Hough adalah mengubah setiap titik dalam citra menjadi representasi dalam ruang parameter tertentu. Dalam konteks deteksi marka jalan, titik-titik pada garis marka jalan dalam citra akan diwakili dalam ruang parameter sudut dan jarak. Transformasi ini akan menghasilkan akumulator Hough, yang akan menunjukkan titik-titik dalam ruang parameter di mana garis-garis lurus tersebut bertemu.

Proses deteksi marka jalan menggunakan Transformasi Hough dapat dijelaskan sebagai berikut:

a. Pra-Pemrosesan Citra
Sebelum penggunaan Transformasi Hough, citra dari kamera harus melalui pra-pemrosesan. Ini termasuk penghapusan noise, peningkatan kontras, dan segmentasi citra.

b. Transformasi Hough
Citra yang telah diproses kemudian diteruskan ke Transformasi Hough. Setiap piksel dalam citra akan diubah menjadi representasi dalam ruang parameter Hough.

c. Identifikasi Garis
Dalam ruang parameter Hough, garis-garis yang menggambarkan marka jalan akan menghasilkan puncak dalam akumulator Hough. Puncak-puncak ini mewakili parameter-parameter garis-garis tersebut.

d. Post-Processing
Setelah garis-garis marka jalan berhasil diidentifikasi, mereka dapat digunakan untuk menggambar marka jalan pada citra atau digunakan dalam sistem kendaraan otonom untuk mengikuti jalur.

Berikut ini pemrograman MATLAB untuk deteksi marka jalan menggunakan Transformasi Hough:

1. Baca citra/video:
   Anda perlu membaca citra atau video dari sumber data. Di bawah ini adalah contoh untuk membaca video:

videoReader = VideoReader('nama_video.mp4');

2. Inisialisasi objek deteksi marka jalan:
   Anda harus mengatur parameter untuk deteksi marka jalan, seperti batasan sudut, batasan jarak, dan lain-lain.

angleThreshold = 5; % Batasan sudut dalam derajat
distanceThreshold = 20; % Batasan jarak dalam piksel

3. Loop melalui setiap frame video dan deteksi marka jalan menggunakan Transformasi Hough:

while hasFrame(videoReader)
    frame = readFrame(videoReader);

    % Pra-pemrosesan frame (misalnya, konversi ke citra keabuan, peningkatan kontras, dll.)

    % Gunakan Transformasi Hough untuk mendeteksi garis
    [H, theta, rho] = hough(frame);
    peaks = houghpeaks(H, 10, 'Threshold', 0.3 * max(H(:)));
    lines = houghlines(frame, theta, rho, peaks, 'FillGap', 5, 'MinLength', 20);

    % Loop melalui setiap garis yang terdeteksi
    for k = 1:length(lines)
        xy = [lines(k).point1; lines(k).point2];

        % Filter garis berdasarkan sudut dan jarak
        if abs(lines(k).theta) > angleThreshold && abs(lines(k).rho) > distanceThreshold
            % Gambar garis pada frame asli
            frame = insertShape(frame, 'Line', [xy(1, :), xy(2, :)], 'Color', 'red');
        end
    end

    % Tampilkan frame dengan garis deteksi
    imshow(frame);
end

Penggunaan Transformasi Hough dalam deteksi marka jalan memiliki beberapa keuntungan:

• Robust: Transformasi Hough dapat mendeteksi garis-garis dengan baik bahkan dalam kondisi pencahayaan yang berubah-ubah atau adanya noise dalam citra.
• Umum: Teknik ini dapat diterapkan pada berbagai jenis marka jalan, termasuk garis putus-putus dan garis berkelok-kelok.
• Akurasi: Transformasi Hough memberikan tingkat akurasi yang tinggi dalam deteksi garis-garis marka jalan.
• Real-Time: Dengan teknik pemrosesan yang efisien, deteksi marka jalan menggunakan Transformasi Hough dapat diimplementasikan dalam waktu nyata.

Meskipun Transformasi Hough sangat berguna dalam deteksi marka jalan, ada beberapa tantangan yang perlu diatasi, seperti:

• Variasi Pencahayaan: Perubahan pencahayaan yang drastis dapat memengaruhi kinerja Transformasi Hough. Penggunaan teknik pemrosesan citra yang tepat diperlukan untuk mengatasi masalah ini.
• Marka Jalan yang Buram: Marka jalan yang buram atau terlalu tipis dapat sulit dideteksi menggunakan Transformasi Hough.
• Noise: Noise dalam citra dapat menghasilkan deteksi palsu. Penggunaan filter dan teknik pra-pemrosesan yang baik sangat penting untuk mengurangi noise.

Deteksi marka jalan menggunakan Transformasi Hough adalah salah satu metode yang efektif dalam pengolahan video untuk kendaraan otonom. Meskipun memiliki tantangan tertentu, teknik ini dapat memberikan deteksi marka jalan yang akurat dan dapat diimplementasikan dalam waktu nyata. Dengan terus berkembangnya teknologi, penggunaan Transformasi Hough dalam deteksi marka jalan diharapkan akan menjadi semakin penting dalam perkembangan mobil otonom di masa depan.