Peningkatan Estimasi Posisi Drone Menggunakan Fusi Sensor Visual Odometry dan GPS Berbasis Kalman Filter

Adyatma, Rolanda (2026) Peningkatan Estimasi Posisi Drone Menggunakan Fusi Sensor Visual Odometry dan GPS Berbasis Kalman Filter. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text Thesis_Rolanda Adyatma_6022212019.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Estimasi posisi yang akurat merupakan komponen penting dalam sistem navigasi Unmanned Aerial Vehicle (UAV). Sensor Global Positioning System (GPS) banyak digunakan untuk menentukan posisi global, namun, sistem ini memiliki keterbatasan dalam hal akurasi, latensi, dan keandalan, terutama di lingkungan dengan multipath, vegetasi lebat, atau lembah perkotaan. Di sisi lain, Visual Odometry (VO) mampu memberikan estimasi gerak relatif resolusi tinggi, tetapi mengalami drift kumulatif dalam jangka panjang. Dalam penelitian ini, kamera monokuler yang menghadap ke bawah digunakan untuk VO. Penelitian ini mengusulkan metode untuk meningkatkan estimasi posisi drone melalui pendekatan fusi sensor menggunakan Filter Kalman untuk mengintegrasikan pengukuran VO monokuler dan GPS. Metode yang diusulkan menggunakan GPS
sebagai referensi posisi global frekuensi rendah, sementara Visual Odometry bertindak sebagai sumber informasi gerak relatif frekuensi tinggi. Hasil eksperimen menunjukkan bahwa lintasan gabungan secara signifikan lebih halus daripada data GPS saja dan menunjukkan pengurangan drift dibandingkan dengan VO. Hasil dari metode ini menunjukkan bahwa metode fusi berbasis Kalman Filter memberikan solusi yang andal untuk estimasi posisi drone dibandingkan dengan penggunaan
sensor individual.
========================================================================================================================================
Accurate position estimation is a critical component in Unmanned Aerial Vehicle (UAV) navigation systems. Global Positioning System (GPS) sensors are widely used to determine global position, however, it suffers from limitations in accuracy, latency, and reliability, particularly in environment with multipath, dense vegetation, or urban canyons. On the other hand, Visual Odometry (VO) is capable of providing high-resolution relative motion estimates, but experiences accumulative drift over the long term. In this work, a downward-facing monocular camera is utilized for VO. This paper proposes a method for improving drone position estimation through a sensor fusion approach using a Kalman Filter to integrate monocular VO and GPS measurements. The proposed method utilizes GPS as a low-frequency global position reference, while Visual Odometry acts as a source of high-frequency relative motion information. Experimental results show that the fused trajectory is significantly smoother than raw GPS data and exhibits reduced drift compared to standalone VO. The results of this method indicate that the Kalman Filter-based fusion method provides a reliable solution for drone
position estimation compared to individual sensor usage.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	drone, GPS, fusi sensor, visual odometry, drone, GPS, sensor fusion, visual odometry
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Rolanda Adyatma
Date Deposited:	03 Aug 2026 10:33
Last Modified:	04 Aug 2026 08:17
URI:	http://repository.its.ac.id/id/eprint/142338

Actions (login required)

View Item