Terbit online pada laman web jurnal: http://journal.
id/index.
php/JASENS JOURNAL OF APPLIED SMART ELECTRICAL
NETWORK AND SYSTEMS (JASENS)
Vol.
4 No.
47 Ae 52 ISSN Media Elektronik: 2723-5467 Desain Mapping Simultaneous Localization And Mapping (SLAM) Mobile Robot Menggunakan LIDAR Sebagai Navigasi Purwarupa UAV Tenaga Surya Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 1Teknik Elektro.
Politeknik Negeri Sriwijaya 1deboratampubolon50@gmail.
com, 2tresna_dewi@polsri.
id, 2@polsri.
Abstract The main problem for autonomous robots to navigate is how the robot can recognize the surrounding environment.
Therefore, this research focuses on designing a mapping and localization system using the Simultaneous Localization And Mapping (SLAM) method which is implemented on a mobile robot using a LiDAR sensor.
This research proposes a mapping and localization system to recognize the surrounding environment by creating an environmental map combined with an IMU sensor.
Testing is carried out by testing each sensor such as IMU and LiDAR, and testing the mapping and localization system.
The test results of the mapping and localization system show optimal results and are able to recognize environmental conditions around the robot and visualize 2D mapping design maps.
Keywords: Simultaneous Localization And Mapping SLAM.
LiDAR.
IMU.
Design.
Abstrak Permasalahan utama dari robot otonom untuk bernavigasi adalah bagaimana robot dapat mengenali lingkungan sekitar.
Oleh karena itu, penelitian ini berfokus pada perancangan sistem mapping dan lokalisasi menggunakan metode Simultaneous Localization And Mapping (SLAM) yang diimplementasikan pada mobile robot menggunakan sensor LiDAR.
Penelitian ini mengusulkan sistem mapping dan lokalisasi untuk mengenali lingkungan sekitar dengan membuat peta lingkungan yang dikombinasikan dengan sensor IMU.
Pengujian dilakukan dengan menguji setiap sensor seperti IMU dan LiDAR, dan menguji sistem mapping dan lokalisasi.
Hasil pengujian dari sistem mapping dan lokalisasi menunjukkan hasil yang optimal dan mampu mengenali kondisi lingkungan sekitar robot dan memvisualisasikan peta desain 2d mapping.
Kata kunci: Simultaneous Localization And Mapping SLAM.
LiDAR.
IMU,Desain.
Diterima Redaksi : 15-11-2023 | Selesai Revisi : 23-12-2023 | Diterbitkan Online : 31-12-2023 Pendahuluan dibutuhkan sensor yang memiliki jarak pembacaan yang jauh serta akurasi yang tinggi.
SLAM (Simultaneous Localization and Mappin.
atau Lokalisasi dan Pemetaan Secara LIDAR merupakan salah satu sensor optik Bersamaan merupakan sebuah metode yang yang memiliki pembacaan jarak yang jauh dan memiliki memungkinkan robot atau kendaraan otonom kerapatan data tentang sumbu koordinat dalam suatu memetakan area yang tidak dikenali.
Pendekatan self- ruangan.
Sehingga LIDAR berpotensi untuk melakukan localization ini berguna untuk pemetaan area yang pembentukan peta pada suatu ruangan.
Prinsip kerja terlalu kecil atau terlalu berbahaya untuk dieksplorasi Lidar secara umum adalah sensor memancarkan sinar - .
laser terhadap objek kemudian sinar tersebut dipantulkan kembali ke sensor.
- .
Dengan adanya pemetaan ini didapatkan pengenalan tentang lingkungan sekitar.
Sehingga akan Perkembangan framework robotika saat ini memudahkan robot dalam melakukan tugas selanjutnya, mengalami kemajuan pesat, salah satunya adalah ROS seperti navigasi pada robot ataupun misi penentuan (Robot Operating Syste.
, yang menyediakan beragam sebuah ruang.
Oleh karena itu diperlukan robot yang paket dan alat yang sangat berguna untuk pengembangan dapat melakukan tugas pemetaan ruangan ini.
Untuk robot.
ROS bersifat open source, memungkinkan mendapatkan data dalam pembentukan peta ruangan pengembangan mobile robot untuk memproses data Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 Journal of Applied Smart Electrical Network and System (JASENS ) Vol.
4 No.
47 Ae 52 LIDAR dan mendapatkan visualisasi pemetaan yang dimaksudkan untuk menghubungkan kabel baik data lebih baik dan akurat.
Meskipun sistem navigasi inersia maupun power supply pada modul.
Pemrograman ini dapat mengalami kesalahan navigasi karena dilakukan sesuai kebutuhan.
Pengujian dilakukan penyimpangan integrasi, kepadatan data dan akurasi dengan dua cara yaitu simulasi test dan implementasi tinggi dari sensor LIDAR membuatnya menjadi pilihan test untuk mendapatkan karakteristik sistem sesuai yang cocok untuk pemetaan dan navigasi robot.
dengan yang diinginkan.
Penelitian ini bertujuan untuk memetakan lingkungan dalam ruangan yang tidak diketahui LiDAR SLAM menggunakan RPLiDAR dan Rvis, dengan data RPLiDAR digunakan untuk membuat peta 2D dan Light detection and ranging (LIDAR) adalah divisualisasikan menggunakan Rviz di ROS.
suatu sensor yang memanfaatkan pantulan sinar laser untuk mengukur objek yang ada disekitarnya.
Cara kerja Metode Penelitian sensor LIDAR ini cukup mudah dipahami yaitu dengan melakukan perhitungan jarak terhadap bidang datar yang berada di sekitarnya dengan cara mengeluarkan sinar laser dari transmitter ke sebuah bidang datar kemudian menghitung berapa lama waktu yang dibutuhkan untuk sinar itu diterima oleh receptor.
Hasil dari sensor LIDAR berupa jarak pada sudut.
Untuk mengukur berapa lama waktu yang dibutuhkan sensor untuk mengukur jarak antara sensor dengan bidang datar dapat dicari menggunakan rumus : .
ycc=yca yc Ket :
d = Jarak antara sensor dan objek yang diukur .
yco c = Kecepatan cahaya .
y 108 ) yc t = Waktu tempuh sinyal .
2 Inertial Measurement Unit (IMU) Gambar 1.
Perencanaan Studi Penelitian Gambar 1 merupakan metode penelitian dalam perancangan sistem Mobile Robot SLAM (Simultaneous Localization and Mappin.
Studi literatur dilaksanakan terlebih dahulu dengan mencari informasi baik kajian ilmiah lalu diikuti observasi peralatan yang sudah ada secara menyeluruh.
Desain mekanik dikembangkan setelah usulan penelitian diterima dengan kerangka untuk menempatkan sensor.
Desain dan simulasi Inertial Measurement Unit (IMU) Merupakan suatu sensor yang digunakan untuk mengukur kecepatan, orientasi dan gaya gravitasi dengan menggunakan sensor accelerometer dan gyroscope.
IMU seringkali digunakan dalam suatu sistem pesawat Komponen penyusun IMU yang pertama adalah sensor accelerometer, sensor ini digunakan untuk mengukur percepatan dari suatu benda dengan cara melakukan integral percepatan benda tersebut terhadap Komponen selanjutnya yang menyusun IMU Sensor adalah sensor gyro, cara kerja sensor ini mendeteksi gerakan sesuai gravitasi, atau dengan kata lain mendeteksi gerakan pengguna.
Gyroscope memiliki keluaran berupa kecepatan sudut dari arah 3 sumbu yaitu: sumbu x / sudut phi .
anan dan kir.
dari sumbu y/sudut theta .
tas dan bawa.
, dan sumbu z /sudut psi .
epan dan belakan.
ROS-Rviz ROS-Rviz merupakan sebuah software yang digunakan untuk menghubungkan perangkat keras robot dengan sistem operasi komputer secara fleksibel.
Di dalam ROS juga memuat tools dan library yang bisa Journal of Applied Smart Electrical Network and Systems (JASENS) Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 Journal of Applied Smart Electrical Network and System (JASENS ) Vol.
4 No.
47 Ae 52 digunakan untuk mengembangkan berbagai macam program untuk sistem robot.
Tujuanpenggunaan ROS juga untuk memudahkan para pengembang robot dalam membuat sistem robot yang di inginkan tanpa harus membuat pengkodean dari awal serta dapat mengembangkan kode sumber.
Di dalam ROS terdapat package RViz yang dapat menampilkan hasil peta 2D.
RViz (ROS Visualizatio.
merupakan suatu package yang terdapat di dalam ROS yang dapat digunakan sebagai media visualisasi 2D atau 3D untuk memvisualisasikan robot dan data sensor yang telah di dapatkan dari sensor LIDAR.
b adalah jarak roda samping dengan titik pusat Penomoran roda, jarak vertikal, horisontal, arah sertasudut resultan dari roller dan roda didefinisikan sebagai berikut .
i = 1,2,3,4 ai = .
, a, -a, -.
bi = .
, -b, b, -.
i = .
, -1, -1, .
Setiap roda memiliki tambahan komponen kecepatan terhadap sumbu X dan Y akibat kecepatan rotasi O.
4 Model kinematis Kinematika adalah cabang ilmu yang menganalisis gerak tanpa memperhatikan apa yang ycycycn x = O.
Ae b menyebabkan gerak.
Yang dimaksud gerak disini adalah ycyc O.
ycn semua jenis perpindahan, yang mencakup perubahan posisi dan orientasi.
Secara umum, hampir semua masalah kinematika dapat ditafsirkan sebagai vektor Oleh karena itu, total kecepatan linier Vx dan Vy di tambahan yang ditransformasikan terhadap frame setiap pusat roda menjadi .
ycOycn x = Vx Ae Ob Invers kinematic mengacu pada penggunaan yc persamaan kinematika robot untuk menentukan ycO parameter bersama yang memberikan posisi yang Rycycn diinginkan pada posisi akhir atau efektor.
Persamaan kinematik mendefinisikan beberapa bagian dari Untuk mencari kecepatan linier tiap roda maka pergerakan robot, diantaranya kecepatan Vx.
Vy dan O persamaan .
sehingga didapatkan menjadi persamaan kecepatan sudut masing-masing .
= Vx Ae Ob Ae ycyc Oa = Vx Ae Ob Ae ycyc Oa sin.
Langkah selanjutnya adalah subtitusi konstanta ai, bi, yuycn kedalam persamaan .
sehingga di dapatkan persamaan .
, .
, .
, .
yang mempresentasikan kecepatan linier tiap roda.
Introduction to Mobile Robot Control.
A 2014 Elsevier Inc.
All rights reserved.
Gambar 2.
2 Kinematic Mobile Robot Konfigurasi parameter dan sistem kecepatan didefinisikan sebagai berikut:
A X.
Y adalah sumbu koordinat kartesius.
A Vx.
Vy .
adalah kecepatan linier robot.
A vi adalah kecepatan linier tiap roda terhadap sumbu X.
A O .
adalah kecepatan sudut robot.
A rvi adalah kecepatan pasif roller pada roda i.
A a adalah jarak roda depan dengan titik pusat yc1 = ycOycu Oe Ob Oe [ ycOyc O.
ycOycu Oe ycOyc Oe Oa Oe Ob ycOycu Oe ycOyc Oe yui.
ca yc.
yc2 = ycOycu Oe ObAi ycOyc Oe Oa ycOycu ycOyc Oa Ob ycOycu ycOyc yui.
ca yc.
yc3 = ycOycu Oe ObAi ycOyc Oa ycOycu ycOyc Oe Oa Oe Ob ycOycu ycOyc Oe yui.
ca yc.
yc4 = ycOycu Ob Oe [ ycOyc Oe O.
ycOycu Oe ycOyc Oa Ob ycOycu Oe ycOyc yui.
ca yc.
Journal of Applied Smart Electrical Network and Systems (JASENS) .
Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 Journal of Applied Smart Electrical Network and System (JASENS ) Vol.
4 No.
47 Ae 52 Langkah terakhir adalah membawa kecepatan linier tiap roda kedalam kecepatan sudut.
Karena v = O.
dimana r adalah radius roda mekanum, maka bila dibuat persamaan matriksnya menjadi :
[ ]= [
Oe1 Oe1 Oe.
ca yc.
ycOycu ca yc.
] .
cOy.
Oe.
ca yc.
ca yc.
Jika persamaan .
digabungkan maka didapat persamaan .
ycI= yui= ya ycyc ycyco 2 ycyc Oeycyco ycyc Oeycyco yco Hasil dan Pembahasan Gambar 3.
2 SLAM Mobile Robot Simulasi LIDAR dengan Rviz Dalam tahapan pelaksanaan penelitian ini , ada beberapa tahap yang telah dilaksanakan.
Berikut merupakan tahapan yang telah dilaksanakan.
1 Desain Mobile Robot Gambar 3.
1 dan 3.
2 merupakan desain implementasi atau penerapan sensor lidar pada Mobile Robot empat Gambar 3.
3 Simulasi Rviz SLAM Mobile Robot Gambar 3.
1 SLAM Mobile Robot Gambar 3.
4 emetaan Rviz SLAM Mobile Robot Gambar 3.
3 dan Gambar 3.
4 adalah hasil mapping ruangan dengan Sensor Lidar mengukur jangkauan objek di sekitarnya dengan memindai sinar laser dalam busur melingkar.
Mobile robot bergerak Journal of Applied Smart Electrical Network and Systems (JASENS) Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 Journal of Applied Smart Electrical Network and System (JASENS ) Vol.
4 No.
47 Ae 52 menghasilkan peta lingkungan.
Informasi pemetaan dari data Laser berhasil divisualisasikan mengguna-kan alat Rviz.
Gambar 3.
5 Pemetaan Mobile Robot Informasi yang dipindai dari Lidar dikirim ke SLAM menggunakan ROS untuk menghasilkan peta seluruh lingkungan.
Gambar 3.
menunjukkan peta lingkungan 2D yang dihasilkan sensor lidar dalam pengujian ini mobile robot berjalan dengan ukuran ruangan 15m x 25m (LxP).
Kesimpulan Dalam kegiatan penelitian ini telah dilakukan penelitian tentang sistem SLAM (Simultaneous Localization and Mappin.
mobile robot pada Hasil penelitian memberikan informasi bahwa sistem SLAM yang dibangun mampu melakukan pemetaan dan lokalisasi dengan baik dan dapat menampilkan desian lokasi pemetaan peta lingkungan.
Daftar Rujukan .
Kim.
Lee.
Ahn.
Kim.
Hur.
Choi.
Chung.
Design and testing of an autonomous irrigation controller for precision water management of greenhouse crops.
Engineering in Agriculture.
Environment and Food.
Vol.
No 4, pp.
228-234, 2015.
https://doi.
org/10.
1016/j.
Paraforos.
Griepentrog.
Multivariable greenhouse climate control using dynamic decoupling controllers.
IFAC Proceedings Volumes.
Vol.
No 18, pp.
305-310, 2013, https://doi.
org/10.
3182/20130828-2-SF3019.
Hernyndez-Morales.
Luna-Rivera, and R.
PerezJimenez.
Design and deployment of a practical IoT-based monitoring system for protected cultivations.
Computer Communications.
Vol.
186, pp.
51-64, 2022.
https://doi.
org/10.
1016/j.
Chang.
Chung.
Fu, and C.
Huang,Artificial intelligence approaches to predict growth, harvest day, and quality of lettuce (Lactuca sativa L.
) in a IoT-enabled greenhouse system.
Biosystems Engineering.
Vol.
212, pp.
https://doi.
org/10.
1016/j.
Abioye.
Abidin.
Mahmud.
Buyamin.
AbdRahman.
Otuoze.
Ramli, and O.
Ijike.
IoT-based monitoring and data-driven modelling of drip irrigation system for mustard leaf cultivation experiment.
Information Processing in Agriculture.
Vol.
No 2, pp.
270283, 2021, https://doi.
org/10.
1016/j.
Collado.
Valdys.
Garcya, and Y.
Syez.
Design and implementation of a low-cost IoT-based agroclimatic monitoring system for greenhouses.
AIMS Electronics and Electrical Engineering.
Vol.
No.
4, pp.
251-283, 2021.
3934/electreng.
Hahn.
Fuzzy controller decreases tomato cracking in greenhouses.
Computers and Electronics in Agriculture.
Vol.
No 21-27, https://doi.
org/10.
1016/j.
Benyezza.
Bouhedda, and S.
Rebouh.
Zoning irrigation smart system based on fuzzy control technology and IoT for water and energy saving.
Journal of Cleaner Production.
Vol .
Dewi T.
Nurmaini S.
Risma P.
Oktarina Y.
, and Roriz M.
Inverse Kinematic Analysis of 4 DOF Pick and Place Arm Robot Manipulator using Fuzzy Logic Controller.
IJECE, 10.
, doi:10.
11591/ijece.
Uchiyama N.
Dewi T.
, and Sano S.
, 2014.
Collision Avoidance Control for a Human-Operated Four Wheeled Mobile Robot.
Proceedings of the Institution of Mechanical Engineers.
Part C: Journal of Mechanical Engineering Science, 228.
, https://doi.
org/10.
1177/0954406213518523.
Uchiyama N.
Dewi T.
Sano S.
, and Takahashi H.
, 2014,
Swarm Robot Control for Human Services and Moving Rehabilitation by Sensor Fusion.
Journal of Robotics, 2014.
, https://doi.
org/10.
1155/2014/278659.
Dewi T.
Amperawan.
Risma P.
Oktarina Y.
, and Yudha D.
, 2020.
Finger Cue for Mobile Robot Motion Control.
Computer Engineering and Application Journal, 9.
, pp.
doi: 10.
18495/COMENGAPP.
V9I1.
Oktarina Y.
Dewi T.
, and Risma T.
, 2020.
The Concept of Automatic Transport System Utilizing Weight Sensor.
Vol.
9,No.
2, pp.
doi:10.
18495/COMENGAPP.
V0I0.
Oktarina.
Dewi.
Risma, and M.
Nawawi.
Tomato Harvesting Arm Robot Manipulator.
a Pilot Project.
Journal of Physics: Conference Series, 1500, p 012003.
Proc.
FIRST.
Palembang: Indonesia, 2020.
DOI: 10.
1088/17426596/1500/1/ 012003
Dewi.
Risma, and Y.
Oktarina.
Fruit Sorting Robot based on Color and Size for an Agricultural Product Packaging System.
Bulletin of Electrical Engineering, and Informatics (BEEI), vol.
9, no.
4, pp.
1438-1445, 2020.
DOI:
11591/eei.
Dewi.
Mulya.
Risma, and Y.
Oktarina.
BLOB Analysis of an Automatic Vision Guided System for a Fruit Picking and Placing Robot.
International Journal of .
Computational Vision and Robotics.
Vol.
No 3, pp.
315326, 2021.
https://doi.
org/10.
1504/IJCVR.
Dewi.
Anggraini.
Risma.
Oktarina, and Muslikhin.
Motion Control Analysis of Two Collaborative Arm Robots in Fruit Packaging System.
SINERGI Vol.
No.
2, pp.
217226, 2021.
http://doi.
org/10.
22441/sinergi.
Dewi T.
Risma P.
Taqwa A.
Rusdianasari, and Renaldi H.
Experimental analysis on solar powered mobile robot as the prototype for environmentally friendly automated transportation.
Proc.
iCAST on Engineering Science, 24-25 Oct Bali:
Indonesia, doi:10.
1088/17426596/1450/1/012034.
Septiarini.
Dewi and Rusdianasari.
Design of a solarpowered mobile manipulator using fuzzy logic controller of International Journal Computational Vision and Robotics.
Inderscience.
Vol.
No.
506-531,
https://doi.
org/10.
1504/IJCVR.
Farooq U.
Amar M.
Asad M.
Hanif A.
, and Saleh S.
Design and Implementation of Neural Network of Journal of Applied Smart Electrical Network and Systems (JASENS) Debora Tampubolon1.
Tresna Dewi2 ,Pola Risma3 Journal of Applied Smart Electrical Network and System (JASENS ) Vol.
4 No.
47 Ae 52 Based Controller for Mobile Robot Navigation in Unknown Environment.
International Journal of Computer and Electrical Engineering, 6.
, pp.
doi:10.
7763/IJCEE
V6.
Dewi T.
Wijanarko Y.
Risma P.
, and Oktarina Y.
, 2018,
Fuzzy Logic Controller Design for Leader-Follower Robot Navigation, 5th Proc.
EECSI, 5.
, pp.
16-18 Oct Malang Indonesia.
doi:10.
1109/EECSI.
Dewi T.
Risma P.
, and Oktarina Y.
, 2018.
Fuzzy Logic Simulation as a Teaching-learning Media for Artificial Intelligence Class.
Journal of Automation Mobile Robotics Intelligent Systems, 12.
, 14313/JAMRIS_3- 2018/13 .
Dewi T.
Oktarina Y.
Risma P.
, and Kartini S.
, 2019.
Desain Robot Pengikut Manusia Sederhana dengan Fuzzy Logic Controller.
Proc.
Annual Research Seminar (ARS), 5.
, pp.
12- 16, 16 Nov 2019.
Palembang: Indonesia.
Introduction Mobile Robot Control.
DOI:
http://dx.
org/10.
1016/B978-0-12-417049-0.
2014 Elsevier Inc.
All rights reserved.
Journal of Applied Smart Electrical Network and Systems (JASENS)