Pesatnya perkembangan teknologi melahirkan berbagai inovasi yang mempermudah kehidupan manusia, salah satunya adalah kendaraan otonom. Teknologi ini memungkinkan kendaraan bergerak secara aman dan efisien tanpa bantuan manusia dengan menggunakan berbagai sistem dan sensor. Salah satu komponen penting dalam kendaraan otonom adalah teknologi deteksi objek, yang berfungsi untuk mengenali dan memahami lingkungan sekitar agar kendaraan dapat mengambil keputusan secara tepat. Deteksi objek melibatkan proses analisis gambar untuk mengenali berbagai objek seperti kendaraan dan pejalan kaki, serta membutuhkan sensor yang mampu memberikan informasi jarak secara akurat. Proyek akhir ini bertujuan mengembangkan sistem obect detection pada mobile robot dengan memanfaatkan integrasi sensor kamera dan lidar. Objek yang dideteksi mencakup mobil, bus, truk, sepeda motor, dan pejalan kaki. Kamera berperan dalam mengenali jenis objek berdasarkan citra visual, sementara lidar digunakan untuk mrngukur jarak objek dari robot. sistem ini diterapkan pada mobile robot dengan sistem kendali ackerman, yang digunakan sebagai prototipe kendaraan otonom. Metode utama yang digunakan adalah integrasi data kamera dan lidar, sehingga deteksi objek dapat dilakukan secara lebih akurat. Kamera menyediakan informasi visual untuk mendukung proses klasifikasi objek, serdangkan lidar memberikan data kedalaman yang memperkuat akurasi posisi dan jarak objek. Hasil dari penelitian menunjukkan bahwa sistem mampu melakukan deteksi objek dengan tingkat akurasi yang baik. Pengujian deteksi objek menggunakan sistem instance segmentation pada objek statis memiliki tingkat keberhasilan 76,88 persen dan pada objek dinamis memiliki tingkat keberhasilan 100 persen pada kecepatan 1 sampai 3 meter perdetik. Pada proses sinkronisasi waktu memiliki rata rata perbedaan waktu 8 milidetik. Pengujian jarak pada objek yang terdeteksi memiliki rata rata perbedaan nilai sebesar 0,034 meter dan pengujian sudut pada objek terdeteksi memiliki rata rata perbedaan sebesar 1,16 derajat.