Estimasi Posisi Hasil Fusi Imu Dan Lidar Berbasis UKF(Unscented Kalman Filter) Pada Sistem Navigasi Saat GNSS Outage

Firliana, Delila Intan (2025) Estimasi Posisi Hasil Fusi Imu Dan Lidar Berbasis UKF(Unscented Kalman Filter) Pada Sistem Navigasi Saat GNSS Outage. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211029-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Sistem transportasi sangat bergantung pada teknologi navigasi yang akurat untuk menjamin keselamatan dan efisiensi kendaraan. GNSS, IMU, dan LiDAR merupakan 3 komponen penting dalam sistem navigasi. GNSS merupakan komponen navigasi yang mengandalkan sinyal satelit untuk memperoleh informasi posisi kendaraan secara real-time. Namun, seringkali sinyal GNSS terganggu pada kondisi lingkungan tertentu seperti pada terowongan, hutan lebat, maupun perkotaan padat sehingga sistem navigasi kendaraan kehilangan informasi posisi yang dikenal dengan kondisi GNSS outage. Untuk mengatasi permasalahan tersebut, fusi sensor IMU dan LiDAR dengan metode Second Step Joint Optimization dan UKF diterapkan untuk mengestimasi posisi saat GNSS outage. Pada metode Second Step Joint Optimization, IMU menghasilkan posisi, kecepatan, dan sudut di tahap pra-integrasi IMU. Namun, dalam pengolahannya IMU menghasilkan drift yang terakumulasi seiring berjalannya waktu. LiDAR dapat mengatasi drift yang dihasilkan IMU. Pengolahan data LiDAR dimulai dengan registrasi dan klasifikasi menjadi titik bidang horizontal, vertikal, dan umum. Pengoptimalan langkah pertama dilakukan untuk meminimalkan nilai residual titik bidang horizontal dan vertikal serta memperoleh posisi dan orientasi awal kendaraan. Langkah kedua pengoptimalan bersama dilakukan untuk meminimalkan residual dari pra-integrasi IMU dan titik bidang umum pada LiDAR serta memperbarui posisi dan orientasi kendaraan. Hasil dari Second Step Joint Optimization digunakan sebagai nilai yang akan diestimasi dengan metode UKF. UKF bertujuan untuk mengatasi drift akibat ketidakpastian gerakan sensor sehingga memungkinkan estimasi posisi lebih akurat. Tahapan pada fusi sensor IMU dan LiDAR berjalan dengan baik. Hasil yang diperoleh memiliki akurasi yang tinggi dan mendekati data referensi dengan nilai RMSE dari posisi E (East) sebesar 0, 00337 m dan posisi N (North) sebesar 0,00618 m. Hal tersebut menunjukkan bahwa estimasi posisi dengan fusi sensor IMU dan LiDAR saat GNSS outage menggunakan metode UKF sangat akurat.
========================================================================================================================================
Transportation systems rely heavily on accurate navigation technology to ensure vehicle safety and efficiency. GNSS, IMU, and LiDAR are three important components in navigation systems. GNSS is a navigation component that relies on satellite signals to obtain real-time vehicle position information. However, GNSS signals are often disrupted in certain environmental conditions, such as tunnels, dense forests, and densely populated urban areas, causing the vehicle navigation system to lose position information, a condition known as GNSS outage. To address this issue, IMU and LiDAR sensor fusion using the Second Step Joint Optimization method and UKF is applied to estimate the position during GNSS outage. In the Second Step Joint Optimization method, the IMU generates position, velocity, and angle during the IMU pre-integration stage. However, during processing, the IMU generates drift that accumulates over time. LiDAR can compensate for the drift generated by the IMU. LiDAR data processing begins with registration and classification into horizontal, vertical, and general plane points. The f irst optimization step is performed to minimize the residual values of the horizontal and vertical plane points and obtain the initial position and orientation of the vehicle. The second step of joint optimization is performed to minimize the residuals from the IMU pre-integration and general plane points on the LiDAR and to update the position and orientation of the vehicle. The results of the Second Step Joint Optimization are used as values to be estimated using the UKF method. UKF aims to overcome drift due to sensor movement uncertainty, thereby enabling more accurate position estimation. The steps in the IMU and LiDAR sensor fusion process are carried out smoothly. The results obtained have high accuracy and are close to the reference data, with an RMSE value of 0,00337 m for the E (East) position and 0,00618 m for the N (North) position. This indicates that position estimation using IMU and LiDAR sensor fusion during GNSS outage using the UKF method is highly accurate.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	GNSS Outage, IMU, LiDAR, Fusi Sensor, Second Step Joint Optimization, UKF, GNSS Outage, IMU, LiDAR, Sensor Fusion, Second Step Joint Optimization, UKF
Subjects:	Q Science > QA Mathematics > QA402.3 Kalman filtering.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Delila Intan Firliana
Date Deposited:	31 Jul 2025 03:55
Last Modified:	31 Jul 2025 03:55
URI:	http://repository.its.ac.id/id/eprint/124220

Actions (login required)

View Item