Analisis Fusi Sensor GNSS/IMU Untuk Meningkatkan Akurasi Pemetaan Dengan UAV Quadrotor Menggunakan Teknologi LiDAR

Navisa, Shilvy Choiriyatun (2023) Analisis Fusi Sensor GNSS/IMU Untuk Meningkatkan Akurasi Pemetaan Dengan UAV Quadrotor Menggunakan Teknologi LiDAR. Masters thesis, Institut Teknologi Sepuluh Nopember.

	Text 6016221009_Master-Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (2MB) | Request a copy
	Text berita acara.pdf Download (1MB)

Abstract

Dalam rangka mengetahui posisi dan navigasi suatu lingkungan yang belum diketahui, UAV bergantung pada sensor yang menyediakan informasi terkait posisi, kecepatan, dan orientasi. Terdapat sensor untuk menyediakan informasi navigasi secara langsung seperti Global Navigation Satellite System (GNSS) dengan memberikan data posisi, atupun sensor tidak langsung seperti sensor inersial yang memberikan data kecepatan dan orientasi. Sensor inersial atau biasa dikenal dengan Inertial Measurement Unit (IMU) merupakan gabungan data percepatan (accelerometer) dan kecepatan sudut (gyroscope). Dengan melakukan fusi sensor GNSS/IMU pada UAV Quadrotor akan meningkatkan akurasi lokalisasi pesawat berdasarkan model matematisnya yang melibatkan pendekatan Kalman Filter. Tujuan utamanya adalah untuk meningkatkan koordinat yang diperoleh dari pengukuran UAV Quadrotor yang terintegrasi RP LiDAR A1, sehingga pemetaan objek LiDAR semakin teliti. Data mentah dari ketiga sensor diperoleh selama penerbangan pesawat. Kemudian model point cloud dibangun menggunakan dua data lintasan yang dijelaskan di atas. Perbandingan visual digunakan untuk menentukan apakah point cloud dari data yang diproses memiliki akurasi yang lebih baik terhadap data mentah. Hasil metode UKF manunjukkan akurasi posisi yang lebih baik dibanding EKF pada software Geopointer yang hanya mencapai akurasi posisi sebesar 16.598 meter. Hal ini menyebabkan fusi UKF menghasilkan point cloud yang lebih rapat dan mampu meningkatkan perhitungan volume sebesar 23,47% daripada estimasi EKF
===================================================================================================================================
In order to determine the position and navigation of an unknown environment, UAVs rely on sensors that provide information regarding position, speed and orientation. There are sensors to provide direct navigation information such as the Global Navigation Satellite System (GNSS) by providing position data, or indirect sensors such as inertial sensors which provide speed and orientation data. An inertial sensor or commonly known as an Inertial Measurement Unit (IMU) is a combination of acceleration data (accelerometer) and angular velocity (gyroscope). By performing GNSS/IMU sensor fusion on the UAV Quadrotor, it will increase the accuracy of aircraft localization based on its mathematical model involving the Kalman Filter approach. The main goal is to improve the coordinates obtained from the UAV Quadrotor measurements which are integrated with the RP LiDAR A1, so that the mapping of LiDAR objects is more accurate. Raw data from all three sensors is obtained during the flight of the aircraft. Then a point cloud model is built using the two data paths described above. Visual comparison is used to determine whether the point cloud of the processed data has better accuracy than the raw data. The results of the UKF method show better position accuracy than EKF in the Geopointer software which only achieves a position accuracy of 16,598 meters. This causes the UKF fusion to produce point clouds that are denser and able to increase volume calculations by 23.47% compared to the EKF estimate

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Fusi GNSS/IMU, Kalman Filter, LiDAR, Lokalisasi, UAV Quadrotor; GNSS/IMU Fusion, Kalman Filter, LiDAR, Localization, Quadrotor UAV.
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G109.5 Global Positioning System
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Shilvy Choiriyatun Navisa
Date Deposited:	03 Aug 2023 06:44
Last Modified:	04 Aug 2023 01:55
URI:	http://repository.its.ac.id/id/eprint/101805

Actions (login required)

View Item