Rancang Bangun Sistem Pemetaan dan Lokalisasi Berbasis Algoritma SLAM Menggunakan Depth Sensor Kinect Pada Mobile Robot = Design of Slam-Based Mapping and Localization System Using Kinect Depth Sensor on Mobile Robot


Faizal, Fariz Achmad (2023) Rancang Bangun Sistem Pemetaan dan Lokalisasi Berbasis Algoritma SLAM Menggunakan Depth Sensor Kinect Pada Mobile Robot = Design of Slam-Based Mapping and Localization System Using Kinect Depth Sensor on Mobile Robot. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D041191091_skripsi_29-02-2024 Cover1.jpg

Download (221kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D041191091_skripsi_29-02-2024 bab1-2(FILEminimizer).pdf

Download (1MB)
[thumbnail of Dapus] Text (Dapus)
D041191091_skripsi_29-02-2024 Dapus(FILEminimizer).pdf

Download (1MB)
[thumbnail of Full Text] Text (Full Text)
D041191091_skripsi_29-02-2024(FILEminimizer).pdf
Restricted to Repository staff only until 13 October 2026.

Download (4MB)

Abstract (Abstrak)

Kemampuan pokok yang diperlukan oleh sebuah robot yang bergerak adalah kemampuan untuk bergerak dari satu lokasi ke lokasi lain dengan aman saat menjalankan tugas yang ditugaskan. Untuk memenuhi kebutuhan ini, robot harus mampu mengenali lingkungan sekitarnya dan menentukan posisinya terhadap lingkungan tersebut. Pengenalan lingkungan dilakukan dengan menggunakan sensor Microsoft Kinect untuk menghasilkan peta dua dimensi (2D). Sementara untuk menentukan posisi relatif robot dalam peta (lokalisasi), metode particle filter digunakan. Untuk menerapkan pemetaan dan lokalisasi secara bersamaan, algoritma visual Simultaneous Localization and Mapping (SLAM) RTABmap, yang berbasis Robot Operating System (ROS), digunakan pada robot yang telah dirancang. Hasil yang diperoleh adalah peta probabilitas 2D occupancy grid map. Berdasarkan penelitian ini, akurasi odometri, yang melibatkan penggabungan data dari encoder, inertial measurement unit (IMU), dan Kinect, mampu mengestimasi pose dan posisi robot dengan deviasi sekitar 0.016 meter. Sementara pengujian hasil pemetaan menunjukkan hasil terbaik ketika memetakan ruangan berukuran kecil tanpa adanya pengaruh sinar matahari, dengan kesalahan Root Mean Square Error (RMSE) sekitar 4.90% terhadap peta asli.

Keyword : Otomasi, SLAM, Kinect, RTABMAP, AMCL, ROS, Robotika, Odometri

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Automation, SLAM, Kinect, RTABMAP, AMCL, ROS, Robotics, Odometry.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions (Program Studi): Fakultas Teknik > Teknik Elektro
Depositing User: Rasman
Date Deposited: 18 Jul 2025 02:52
Last Modified: 18 Jul 2025 02:52
URI: http://repository.unhas.ac.id:443/id/eprint/47577

Actions (login required)

View Item
View Item