Estimasi Posisi Relatif Mobil Otonom Terhadap Peta Lingkungan Menggunakan Pendekatan Particle Filter

Alamsyah, Habib Ihza (2022) Estimasi Posisi Relatif Mobil Otonom Terhadap Peta Lingkungan Menggunakan Pendekatan Particle Filter. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111840000023 - Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (2MB) | Request a copy

Abstract

Penentuan posisi kendaraan atau lokalisasi merupakan salah satu sistem penting pada kendaraan otonom. Pada daerah perkotaan, ada beberapa keuntungan dari lokalisasi yang akurat. Teknologi Global Position System (GPS) yang ada saat ini, tidak dapat mencapai akurasi pada skala desimeter. Pada penelitian ini, lokalisasi dilakukan menggunakan data yang dihimpun dari beberapa sensor yaitu Inertial Measurement Unit (IMU), Wheel Odometry, Light Detection and Ranging (LiDAR), dan peta lingkungan melalui pendekatan Particle Filter. Estimasi posisi kendaraan yang dihasilkan adalah berupa koordinat x dan y relatif terhadap peta lingkungan yang telah dibuat sebelumnya. Pengintegrasian data-data dari sensor yang diimplementasikan melalui pendekatan Particle Filter menghasilkan estimasi posisi kendaraan dengan akurasi pada skala desimeter. Implementasi sistem tersebut disimulasikan pada Microsoft AirSim Simulator dengan konfigurasi selayaknya lingkungan sesungguhnya, ketidakpastian serta noise setiap sensor juga ditanamkan ketika simulasi. Hasil pengujian menunjukan bahwa jumlah partikel yang dirasa optimal pada kasus ini adalah sebesar 25 partikel dengan nilai rata-rata error 0.55 m dan resource CPU yang terpakai sebesar 18.5%. Pada pengujian noise sensor dengan standar deviasi sebesar lima rata-rata error posisi adalah sebesar 0.60 m. Selain itu, semakin banyak perbedaan antara kondisi lingkungan sebenarnya dengan vector-map maka nilai error estimasi akan menjadi lebih besar.
================================================================================================
Determination of vehicle positioning or localization is one of the important systems in autonomous vehicles. In urban areas, there are several advantages of accurate localization. The current Global Position System (GPS) technology cannot achieve accuracy on the decimeter scale. In this study, localization was carried out using data collected from several sensors, namely Inertial Measurement Unit (IMU), Wheel Odometry, Light Detection and Ranging (LiDAR), and environmental maps through the Particle Filter approach. The estimated position of the resulting vehicle is in the form of x and y coordinates relative to the environmental map that has been made previously. The integration of data from sensors implemented through the Particle Filter approach produces an estimate of the vehicle's position with accuracy on a decimeter scale. The implementation of the system is simulated on Microsoft AirSim Simulator with a configuration like the real environment, the uncertainty and noise of each sensor are also embedded during the simulation. The test results show that the optimal number of particles in this case is 25 particles with an average error value of 0.55 m and CPU resources used of 18.5%. In testing the noise sensor with a standard deviation of five, the average position error is 0.60 m. In addition, the greater the difference between the actual environmental conditions and the vector-map, the larger the estimation error value will be.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Mobil Otonom, Lokalisasi, Particle Filter, Microsoft AirSim, LiDAR, Autonomous Car, Localization
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7872.F5 Filters (Electric) T Technology > TL Motor vehicles. Aeronautics. Astronautics T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL589.2.N3 Navigation computer
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Habib Ihza Alamsyah
Date Deposited:	27 Jan 2022 02:24
Last Modified:	31 Oct 2022 01:45
URI:	http://repository.its.ac.id/id/eprint/92507

Actions (login required)

View Item