Penentuan Posisi Robot Sepak Bola Beroda berdasarkan Pengindraan Visual

Tantra, Pandu Surya (2018) Penentuan Posisi Robot Sepak Bola Beroda berdasarkan Pengindraan Visual. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111440000006-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Penentuan posisi adalah salah satu masalah utama dalam pembuatan robot sepak bola beroda. Apabila robot tidak mengetahui posisinya pada lapangan, maka koordinasi antar robot dan tindakan selanjutnya akan sulit ditentukan. Salah satu cara untuk mengetahui posisi robot adalah dengan menggunakan metode odometry. Metode ini mudah terpengaruh slip sehingga menghasilkan nilai error terintegral yang membuat nilai error posisi semakin besar seiring dengan semakin jauhnya robot berpindah. Posisi robot dan nilai pembacaan kompas harus sering dikalibrasi pada saat pertandingan untuk menghilangkan error posisi. Oleh karena itu, dibuatlah sebuah sistem penentuan posisi robot dengan menggunakan sensor yang tidak terpengaruh nilai keluaran sebelumnya, yaitu sebuah kamera omnidirectional yang terpasang pada robot menggunakan algoritma Convolutional Neural Network (CNN). Sistem dirancang dalam dua bagian, yaitu penentuan posisi global dan penentuan posisi lokal. Posisi global robot dikalibrasi menggunakan kamera yang dipasang di atas lapangan dengan algoritma jaringan syaraf tiruan. Sedangkan posisi lokal robot dikalibrasi menggunakan kamera omnidirectional yang terpasang pada robot dengan memanfaatkan data posisi global robot. Dari hasil pengujian, sistem penentuan posisi global robot dapat mengeluarkan data posisi robot dengan error rata-rata sebesar 6,25cm. Sedangkan sistem penentuan posisi lokal dapat mengeluarkan data posisi robot dengan ketelitian 100cm dan akurasi 100% saat robot diam serta akurasi 99,9% saat robot berjalan dengan kecepatan 15cm/s. ============ Localization is one of the main problems in wheeled soccer robot game. If the robot does not know its position on the field, then coordination between robots and subsequent actions will be difficult to determine. One way to know the position of the robot is to use odometry method. This method is easily affected by the slip so as to produce an integrated error value that makes the position error value are increasing as the robot moves further away. The position of the robot and the compass reading value should often be calibrated at the time of the game to eliminate the position error. Therefore, a robot positioning system is created using sensors that are not affected by the previous output value, an omnidirectional camera mounted on the robot using the Convolutional Neural Network (CNN) algorithm. The system is designed in two parts, namely global positioning and local positioning. The global position of the robot is calibrated using a camera mounted on top of the field with artificial neural network algorithms. While the local position of the robot is calibrated using an omnidirectional camera mounted on the robot by utilizing the global position data of the robot. From the test results, robot global positioning system can issue robot position data with an average error of 6.25cm. While the local positioning, system can issue robot position data with 100cm precision, 100% accuracy when the robot is not moving and 99.9% accuracy when the robot moves at 15cm/s.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Convolutional Neural Network; Robot Sepak Bola; Kamera Omnidirectional; Convolutional Neural Network; Soccer Robot; Omnidirectional Camera, robot positioning system, odometry method
Subjects: T Technology > TJ Mechanical engineering and machinery > TJ211 Robotics.
T Technology > TJ Mechanical engineering and machinery > TJ211.4 Robot motion
Divisions: Faculty of Electrical Technology > Electrical Engineering > (S1) Undergraduate Theses
Depositing User: Tantra Pandu Surya
Date Deposited: 20 Jul 2018 04:40
Last Modified: 11 Oct 2018 05:05
URI: http://repository.its.ac.id/id/eprint/52794

Actions (login required)

View Item View Item