MAPPING AND POSITIONING SYSTEM ON OMNIDIRECTIONAL ROBOT USING SIMULTANEOUS LOCALIZATION AND MAPPING (SLAM) METHOD BASED ON LIDAR

Permasalahan utama dari autonomous robot atau robot otonom untuk bergerak adalah bagaimana robot dapat mengenali lingkungan sekitar dan mengetahui posisinya berada. Oleh karena itu, penelitian ini berfokus pada perancangan sistem mapping dan positioning atau penentuan posisi menggunakan metode Simultaneous Localization And Mapping (SLAM) yang diimplementasikan pada robot omnidirectional menggunakan sensor LiDAR. penelitian ini mengusulkan sistem mapping menggunakan menggunakan algoritma google cartographer yang dikombinasikan dengan metode eulerdometry yaitu kombinasi antara odometry dengan euler orientation dari sensor IMU, sedangkan sistem penentuan posisi menggunakan metode Adaptive Monte Carlo Localization (AMCL) yang dikombinasikan dengan metode eulerdometry. Pengujian dilakukan dengan pengujian sistem sebanyak lima kali dari masing-masing sistem, selain itu pengujian juga dilakukan pada setiap tahapan, pengujian pada setiap sensor yang digunakan seperti sensor IMU dan LiDAR, dan pengujian integrasi sistem, termasuk metode eulerdometri, pemetaan. sistem dan sistem pemosisian. Hasil pengujian pada sistem mapping menunjukkan hasil optimal meskipun masih terdapat noise pada hasil peta yang dibuat, sedangkan pada pengujian sistem penentuan posisi mendapat nilai rata-rata RMSE dari setiap peta pengujian sebesar 278,55 mm  pada sumbu x, 207,37 mm pada sumbu y, dan 4,28^o pada arah hadap robot.

Kata Kunci: Autonomous Robot, System positioning and mapping, SLAM, Google cartographer, AMCL

The main problem from autonomous robot to navigation is how the robot can recognize the surrounding environment and know this position. Therefore, this research focuses on designing a mapping and positioning system using Simultaneous Localization And Mapping (SLAM) method which is implemented on an omnidirectional robot using a LiDAR sensor. The proposes of this research  are mapping system using the google cartographer algorithm combined with the eulerdometry method, eulerdometry is a combination of odometry and euler orientation from IMU sensor, while the positioning system uses the Adaptive Monte Carlo Localization (AMCL) method combined with the eulerdometry method. Testing is carried out by testing the system five times from each system, besides that testing is also carried out at each stage, testing on each sensor used such as the IMU and LiDAR sensors, and testing on system integration, including the eulerdometry method, mapping system and positioning system. The results on the mapping system showed optimal results, even though there was still noise in the results of the maps created, while the positioning system test got an average RMSE value from each map created of 278.55 mm on the x-axis, 207.37 mm on the y-axis, and 4.28^o on the orientation robot.

Keywords: Autonomous Robot, Mapping and Positioning System, SLAM, Google cartographer, AMCL