Analisis Fusi Sensor GNSS Dan IMU Menggunakan Metode Unscented Kalman Filter (UKF) Untuk Navigasi UAV Quadrotor

Zein, Wildan Ihsanu Zein (2025) Analisis Fusi Sensor GNSS Dan IMU Menggunakan Metode Unscented Kalman Filter (UKF) Untuk Navigasi UAV Quadrotor. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5016211001-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Global Navigation Satellite System (GNSS) dan Inertial Mesurement Unit (IMU) merupakan sensor yang sering digunakan pada sistem navigasi kendaraan. Sensor tersebut mampu memberikan informasi posisi, kecepatan, dan altitude. GNSS memiliki kelebihan dalam memberikan informasi posisi dan kecepatan yang akurat ketika membentuk Line of Sight (LOS) dengan minimal empat satelit. Drone penyerbukan adalah drone yang dirancang untuk melakukan operasi di bawah kanopi pepohonan, memiliki sistem navigasi dengan tingkat ketelitian yang dapat berkurang. IMU memiliki referensi lokal yang mana belum tersambung dengan referensi global. IMU mampu melakukan pengukuran tanpa dipengaruhi oleh kondisi lingkungan, namun terdapat efek drift yang menyebabkan kesalahan pengukuran posisi akan terakumulasi. Pengembangan integrasi GNSS-IMU telah banyak dilakukan dengan menambahkan sensor magnetik, odometer. Pada penelitian ini akan dilakukan peningkatan algoritma integrasi pada F9R yang menghasilkan data koordinat GNSS-IMU pada Drone penyerbukan tipe quadrotor yang mampu menghasilkan data IMU (accelerometer dan gyroscope). Metode yang digunakan pada penelitian ini adalah UKF (Unscented Kalman Filter) pada software Matlab R2022B. Algoritma UKF akan didesain berdasarkan model pergerakan UAV pada 6 Degree of Freedom (DOF). Tujuan utamanya adalah untuk mengetahui ketelitian yang dapat diberikan dari low-cost GNSS module F9R pada kondisi di bawah kanopi pohon berupa ketelitian navigasinya. Data pengukuran yang dihasilkan meliputi nilai koordinat awal dan nilai attitude dari module low-cost GNSS. Hasil pengolahan menunjukkan nilai 0,08 m pada error sumbu X, 1,15 m pada sumbu Y, dan 0,560 m pada sumbu Z. Menggunakan metode UKF tersebut dihasilkan trajectory yang lebih presisi meskipun melewati kanopi pohon. Sehingga bisa meningkatkan akurasi drone saat digunakan untuk melakukan pemetaan pada drone penyerbukan.
=============================================================================================================================================
Global Navigation Satellite System (GNSS) and Inertial Measurement Unit (IMU) are sensors that are often used in vehicle navigation systems. These sensors are able to provide position, speed, and altitude information. GNSS has the advantage of providing accurate position and speed information when forming a Line of Sight (LOS) with a minimum of four satellites. Pollination drones are drones designed to operate under tree canopies, have a navigation system with a level of accuracy that can be reduced. The IMU has a local reference that is not yet connected to the global reference. The IMU is able to make measurements without being influenced by environmental conditions, but there is a drift effect that causes position measurement errors to accumulate. The development of GNSS-IMU integration has been widely carried out by adding magnetic sensors, odometers. In this study, an improvement in the integration algorithm will be carried out on the F9R which produces GNSS-IMU coordinate data on the quadrotor type pollination drone which is able to produce IMU data (accelerometer and gyroscope). The method used in this study is UKF (Unscented Kalman Filter) in Matlab R2022B software. The UKF algorithm will be designed based on the UAV movement model at 6 Degree of Freedom (DOF). The main objective is to determine the accuracy that can be provided by the low-cost GNSS module F9R in conditions under tree canopy in the form of navigation accuracy. The measurement data produced includes the initial coordinate value and attitude value of the low-cost GNSS module. The processing results show a value of 0.08 m on the X-axis error, 1.15 m on the Y-axis, and 0.560 m on the Z-axis. Using the UKF method, a more precise trajectory is produced even though it passes through the tree canopy. So that it can increase the accuracy of the drone when used for mapping on pollination drones.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Fusi GNSS/IMU, Kalman Filter, Low-cost GNSS, Navigasi, UAV Quadrotor, Fusion of GNSS/IMU, Kalman Filter, Low-cost GNSS, Navigation, UAV Quadrotor
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G109.5 Global Positioning System
Divisions:	Faculty of Civil Engineering and Planning > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Wildan Ihsanu Zein
Date Deposited:	28 Jul 2025 02:41
Last Modified:	28 Jul 2025 02:41
URI:	http://repository.its.ac.id/id/eprint/122090

Actions (login required)

View Item