Perpustakaan Polman Bandung

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Pengembangan Sistem Visual SLAM RTAB-MAP Berbasis CNN dengan Kamera RGD-D untuk Navigasi PoleBot AMR
Penanda Bagikan

Text

Pengembangan Sistem Visual SLAM RTAB-MAP Berbasis CNN dengan Kamera RGD-D untuk Navigasi PoleBot AMR

Devito Aditya Ramadhan - Nama Orang; Ega Mardoyo - Nama Orang; Wahyu Adhie Candra - Nama Orang;

Autonomous Mobile Robot (AMR) membutuhkan sistem navigasi yang mampu melakukan lokalisasi dan pemetaan pada lingkungan indoor. PoleBot-AMR menggunakan LiDAR 2D sebagai salah satu sensor utama, tetapi pemindaian hanya dilakukan pada satu bidang horizontal sehingga objek di atas atau di bawah bidang tersebut tidak dapat direpresentasikan secara lengkap. Penelitian ini mengembangkan sistem Visual SLAM RTAB-Map menggunakan kamera RGB-D dan Convolutional Neural Network Frame quality assessment (CNN-FQA), serta mengintegrasikan kamera RGB-D dengan LiDAR 2D pada PoleBot-AMR. Kamera RGB-D digunakan untuk memperoleh informasi visual dan kedalaman, sedangkan CNN-FQA digunakan untuk mengklasifikasikan kualitas frame sebelum digunakan dalam Visual SLAM. Model CNN berbasis MobileNetV2 mengklasifikasikan frame ke dalam tiga kelas, yaitu Blur, Lowlight, dan Normal. Pengujian dilakukan pada lingkungan indoor dengan beberapa konfigurasi hardware dan kecepatan robot 0,10 m/s, 0,20 m/s, dan 0,30 m/s. CNN-FQA menghasilkan akurasi 86,83% dengan test loss 0,3512, sedangkan model TensorFlow Lite berukuran 2,7 MB. Hasil pengujian hardware menunjukkan konfigurasi LiDAR 2D + RGB-D + CNN-FQA menghasilkan performa terbaik pada kecepatan 0,10 m/s, dengan ATE RMSE 0,022 m, RPE RMSE 0,016 m, coverage 96,6%, dan tracking loss 1,2 kali. Dibandingkan LiDAR 2D pada kecepatan yang sama, ATE RMSE menurun 48,8%, RPE RMSE 48,4%, coverage meningkat 14,2 poin persentase, dan tracking loss menurun 71,4%. Hasil ini menunjukkan integrasi ketiga komponen menghasilkan pemetaan yang lebih lengkap dan estimasi pose yang lebih stabil.

Kata kunci: Visual SLAM, RTAB-Map, Kamera RGB-D, CNN-FQA, LiDAR 2D.


Ketersediaan
#
R.Tugas_Akhir (Rak V-6.0141) TA-2260141.1
TA-2260141.1
Tersedia
#
R.Tugas_Akhir CD-2260141.1
CD-2260141.1
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
TA-2260141.1
Penerbit
Bandung : Polman., 2026
Deskripsi Fisik
101 hal. ; 27,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
D4 Prodi Teknologi Rekayasa Otomasi
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Polman Bandung
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Unit Penunjang Akademik (UPA) Perpustakaan Politeknik Manufaktur Bandung (Polman Bandung), senantiasa memberikan pelayanan yang berorientasi terhadap kebermanfaatan bagi seluruh sivitas akademika Polman Bandung.Layanan UPA Perpustakaan bertransformasi mulai dari pelayanan manual, beralih ke proses digitalisasi, dan saat ini sedang menuju ke bentuk pelayanan secara otomatisasi yang melibatkan robot / agent / micro service dan mesin pendukung kekinian. Tidak berhentiĀ  sampai disitu, layanan yang sedang dikembangkan dan disiapkan adalah teknologi self-service, dan layanan yang menyematkan kecerdasan buatan kognitif serta layanan berbasis teknologi immersive.Layanan yang UPA Perpustakaan sediakan selalu melibatkan sains, ilmu pengetahuan, rekayasa teknologi, desain dan kebijakan manajemen yang berubah secara dinamis mengikuti aturan yang berlaku. Semua kami upayakan untuk memberikan pelayanan yang bermanfaat dan menyenangkan serta mendapatkan pengalaman positif bagi seluruh sivitas akademika Polman Bandung.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?