Lokalisasi Real-Time Pada Robot Servis Indoor Dengan Sensor Lidar 2D Dan Algoritma Adaptive Monte Carlo Localization
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Sepuluh Nopember
Author
Haqi, Muhammad Rayhan Atha`illah
Subject
TJ211.415 Mobile robots
Datestamp
2023-08-01 05:17:33
Abstract :
Penggunaan tenaga manusia pada pekerjaan di bidang pelayanan mulai dikurangi dan digantikan oleh suatu sistem yang dapat bekerja secara mendiri seperti robot servis otonomus. Robot servis harus kapabel untuk mengatur posisi dan bergerak di dalam ruangan tanpa bantuan navigasi GPS (Global Position System). Dead reckoning merupakan metode yang umum digunakan untuk estimasi posisi robot berdasarkan sensor IMU (Intertial Measurement Unit) dan encoder pada roda robot. Lokalisasi dengan menggunakan metode dead reckoning sendiri cenderung kurang memiliki akurasi yang buruk karena interferensi. Error berkelanjutan dari dead reckoning dapat diatasi dengan koreksi posisi menggunakan sistem lokalisasi absolut. Adaptive Monte Carlo Localization (AMCL) merupakan metode lokalisasi absolut yang memanfaaatkan hasil sensor LiDAR (Light Detection And Ranging) 2D dengan pendekatan particle filter untuk memperkirakan posisi robot servis terhadap peta lokasi yang telah diketahui. Penelitian ini bertujuan untuk merancang sistem lokalisasi dalam ruangan pada robot servis berbasis odometri dan LiDAR 2D. Hasil rancang bangun dan implementasi AMCL pada robot menunjukkan hasil yang baik dengan koreksi posisi dari odometri encoder yang meningkat signifikan. Hal ini ditunjukkan dengan adanya pengurangan nilai RMSE (Root Mean Square Error) pada odometri encoder yang mencapai 6.18 meter menjadi 0.27 meter dengan lokalisasi AMCL. =================================================================================================================================== The use of human labor in service-oriented jobs is being reduced and replaced by an autonomous system such as a service robot. Service robots must be capable of positioning and navigating within indoor spaces without the assistance of GPS navigation. Dead reckoning is a commonly used method for estimating the position of a robot based on IMU (Inertial Measurement Unit) sensors and wheel encoders. However, dead reckoning localization tends to have poor accuracy due to interference. The continuous error from dead reckoning can be overcome by correcting the position using an absolute localization system. Adaptive Monte Carlo Localization (AMCL) is an absolute localization method that utilizes 2D LiDAR (Light Detection And Ranging) sensor data with a particle filter approach to estimate the position of the service robot relative to a known map. This research aims to design an indoor localization system for a service robot based on odometry and 2D LiDAR. The design and implementation of AMCL on the robot show promising results with significant improvements in position correction compared to encoder odometry. This is demonstrated by a reduction in the RMSE (Root Mean Square Error) value from 6.18 meters to 0.27 meters using AMCL localization.
Penggunaan tenaga manusia pada pekerjaan di bidang pelayanan mulai dikurangi dan digantikan oleh suatu sistem yang dapat bekerja secara mendiri seperti robot servis otonomus. Robot servis harus kapabel untuk mengatur posisi dan bergerak di dalam ruangan tanpa bantuan navigasi GPS (Global Position System). Dead reckoning merupakan metode yang umum digunakan untuk estimasi posisi robot berdasarkan sensor IMU (Intertial Measurement Unit) dan encoder pada roda robot. Lokalisasi dengan menggunakan metode dead reckoning sendiri cenderung kurang memiliki akurasi yang buruk karena interferensi. Error berkelanjutan dari dead reckoning dapat diatasi dengan koreksi posisi menggunakan sistem lokalisasi absolut. Adaptive Monte Carlo Localization (AMCL) merupakan metode lokalisasi absolut yang memanfaaatkan hasil sensor LiDAR (Light Detection And Ranging) 2D dengan pendekatan particle filter untuk memperkirakan posisi robot servis terhadap peta lokasi yang telah diketahui. Penelitian ini bertujuan untuk merancang sistem lokalisasi dalam ruangan pada robot servis berbasis odometri dan LiDAR 2D. Hasil rancang bangun dan implementasi AMCL pada robot menunjukkan hasil yang baik dengan koreksi posisi dari odometri encoder yang meningkat signifikan. Hal ini ditunjukkan dengan adanya pengurangan nilai RMSE (Root Mean Square Error) pada odometri encoder yang mencapai 6.18 meter menjadi 0.27 meter dengan lokalisasi AMCL. =================================================================================================================================== The use of human labor in service-oriented jobs is being reduced and replaced by an autonomous system such as a service robot. Service robots must be capable of positioning and navigating within indoor spaces without the assistance of GPS navigation. Dead reckoning is a commonly used method for estimating the position of a robot based on IMU (Inertial Measurement Unit) sensors and wheel encoders. However, dead reckoning localization tends to have poor accuracy due to interference. The continuous error from dead reckoning can be overcome by correcting the position using an absolute localization system. Adaptive Monte Carlo Localization (AMCL) is an absolute localization method that utilizes 2D LiDAR (Light Detection And Ranging) sensor data with a particle filter approach to estimate the position of the service robot relative to a known map. This research aims to design an indoor localization system for a service robot based on odometry and 2D LiDAR. The design and implementation of AMCL on the robot show promising results with significant improvements in position correction compared to encoder odometry. This is demonstrated by a reduction in the RMSE (Root Mean Square Error) value from 6.18 meters to 0.27 meters using AMCL localization.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
