Lokalisasi Kendaraan Otonom Berbasis Extended Kalman Filter di Lingkungan ROS

Afrias Sarotama, Estiko Rijanto, Mimin Muhaimin

Abstract


Dokumen ini menunjukkan bagaimana menentukan lokalisasi kendaraan otonom. Lokalisasi merupakan proses penentuan tempat dan arah kendaraan otonom saat ini di lingkungannya. Berdasarkan pengetahuan tempat dan arah saat ini, kendaraan otonom dapat mengendalikan diri menuju tujuannya. Penentuan tempat dan arah kendaraan didapatkan dari sensor-sensor seperti Global Positioning System (GPS), Inertial Measurement Unit (IMU), odometry dan kamera Real-Time Appearance-Based(RTAB).  Masalah muncul saat semua data yang diterima dari sensor-sensor ini mempunyai kesalahan dengan standar deviasi sendiri-sendiri. Selain itu ketersediaan data dari setiap sensor mempunyai waktu dan periode sendiri..  Diperoleh metoda ilmiah melalui sebuah penelitian library research berupa penggunaan extended kalman filter untuk mendapatkan lokasi dan orientasi kendaraan otonom. Lokalisasi dicoba di lingkungan Robotic Operatic System (ROS) Humble.


Keywords


lokalisasi, kendaraan otonom, extended kalman filter, Robotic Operating System

Full Text:

PDF

References


G. Li, D. Qin, and H. Ju, “Localization of Wheeled Mobile Robot Based on Extended Kalman Filtering,” MATEC Web Conf., vol. 22, pp. 1–5, 2015, doi: 10.1051/matecconf/20152201061.

M. K. Verma and M. Yadav, “Navigating the Agricultural Fields : Affordable GNSS And IMU-based System and Data Fusion for Automatic Agricultural Vehicle ’ s Navigation Navigating the Agricultural Fields : Affordable GNSS And IMU-based System and Data Fusion for Automatic Agricultura,” no. January, 2024.

F. N. Ortatas, H. Ulutas, M. E. Sahin, and F. Ciftci, “Autonomous Mapping and Spraying in Precision Agriculture using Unmanned Ground Vehicles,” 2023 Innov. Intell. Syst. Appl. Conf. ASYU 2023, pp. 0–4, 2023, doi: 10.1109/ASYU58738.2023.10296767.

O. Barrero and J. C. Tique, “MBPC controller for UGV Trajectory Tracking,” Proc. 2021 IEEE 5th Colomb. Conf. Autom. Control. CCAC 2021, pp. 314–319, 2021, doi: 10.1109/CCAC51819.2021.9633291.

E. F. Abdelhafid, Y. M. Abdelkader, M. Ahmed, E. H. Doha, E. K. Oumayma, and E. A. Abdellah, “Localization based on DGPS for Autonomous Robots in Precision Agriculture,” 2022 2nd Int. Conf. Innov. Res. Appl. Sci. Eng. Technol. IRASET 2022, pp. 1–4, 2022, doi: 10.1109/IRASET52964.2022.9737758.

N. Khalid, H. Elkhiri, E. Oumaima, N. Elfahsi, Z. F. Zahra, and K. Abdellatif, “Revolutionizing Weed Detection in Agriculture through the Integration of IoT, Big Data, and Deep Learning with Robotic Technology,” Int. Conf. Electr. Comput. Commun. Mechatronics Eng. ICECCME 2023, no. July, pp. 1–6, 2023, doi: 10.1109/ICECCME57830.2023.10252598.

A. Becker, Kalman filter from the ground up. 2023.

N. A. Shneydor, “Pure Pursuit,” Missile Guid. Purs., no. January, pp. 47–76, 1998, doi: 10.1533/9781782420590.47.


Refbacks

  • There are currently no refbacks.