Partikel Filter Dalam Menentukan Koordinat Posisi dan Orientasi Robot

Mahfud Jiono

Abstract


Kompetisi robot sepak bola divisi humanoid merupakan sebuah kompetisi robot dengan platform berbentuk manusia dengan sebuah kamera sebagai vision sensor untuk mendeteksi fitur-fitur lapangan dan sensor keseimbangan untuk mendukung mereka dalam bermain sepak bola di lapangan yang sudah ditentukan. Tantangan dalam kompetisi ini yaitu seperti halnya permainan sepakbola pada umumnya seperti mengikuti bola, bergerak untuk mencari bola, berjalan dinamis, menendang sambil menjaga keseimbangan tubuh, mengetahui posisi robot lain, lokalisasi dan pemetaan lapangan beserta fitur-fiturnya dalam kondisi real-time. Tantangan-tantangan ini masih menjadi permasalahan utama dalam kompetisi robot divisi humanoid dan hanya diperbolehkan menggunakan kamera dalam aturan kompetisi dan tidak diperbolehkan menggunakan sensor yang lain untuk mendukung fitur-fitur, posisi dan orientasi selama permainan berlangsung. Dari kondisi ini maka sistem yang diusulkan untuk dikembangkan adalah sistem lokalisasi dan pemetaan lingkungan berbasis probabilitas. Tujuan utama dari penelitian ini adalah untuk mewujudkan sistem yang ideal untuk mempercepat pendeteksian fitur-fitur lapangan dan implementasi dalam sebuah pertandingan sepak bola robot humanoid yang dapat dipantau secara real-time. sehingga tujuan dari ini penelitian ini yaitu: (a) meningkatkan kemampuan dan kecerdasan dalam mendeteksi fitur lapangan pada robot humanoid; (b) dengan metode SLAM ini robot dapat membedakan fitur utama yang ada di lapangan dan di luar lapangan; (c) mampu membedakan robot kawan dan lawan, fitur garis lapangan, bola dan posisi gawang; (d) robot yang berada pada posisi pertahanan mampu bertindak sebagai penyerang dan melakukan tendangan bola ke arah gawang lawan. Pengujian dilaksanakan bersamaan antara pengujian simulasi dan pengujian nyata dalam waktu yang sama. Berdasarkan data hasil percobaan, robot dapat memperkirakan posisi dan orientasinya selama mencari fitur lapangan yaitu posisi bola, koordinat posisi gawang dan robot lawan dengan akurasi waktu yang cepat. Hasilnya menunjukkan bahwa sistem yang diusulkan dapat diterapkan robot sepak bola humanoid secara real-time dan itu bekerja dengan lebih efektif dengan sedikit kesalahan.

Keywords


Fitur lapangan, Partikel Filter, Robot Sepak bola

Full Text:

PDF

References


Lobmeier, C., Burk, D., Wendler, A., Eskofier, B.M.: Er-force 2018 extended team description paper (2018), robocup Small Size League, Montreal, Canada, 2018

F.B.F. Schoenmakers et al., “Tech United Eindhoven Team Description 2013 Middle Size League.” Eindhoven University of Technology, 2013.

Robocup Committee, RoboCup Soccer Humanoid League Laws of the Game 5 2019/2020, Dec 23, 2019.

Zannatha, J.M.I.; Cisneros Limon, R.; Gomez Sanchez, A.D.; Hernandez Castillo, E.; Medina, L.E.F.; Lara Leyva, F.J.K., "Monocular visual self-localization for humanoid soccer robots," Electrical Communications and Computers (CONIELECOMP), 2011 21st International Conference on , vol., no., pp.100,107, 2011.

Mohammad Javadi, Sina Mokhtarzadeh Azar, Sajjad Azami, Saeed Shiry Ghidary, Soroush Sadeghnejad, and Jacky Baltes. Humanoid robot detection using deep learning: A speed-accuracy tradeoff. In Proceedings of RoboCup-2017, Nagoya, Japan, July 2017.L. V. Cup, “RoboCup Soccer Humanoid League Laws of the Game *,” pp. 1–65, 2017.

Tjahyadi H., Gunawan G., Aribowo A., Hareva D., "Image Processing Based Robot Soccer: Obtaining Multiple Robots Position and Orientation Using High-Angle Shot of Camera," Journal of Image and Graphics, Vol. 4, No. 1, pp. 29-35, June 2016.G.

S.T. Rasmana, Y. K. Suprapto, and I. K. E. Purnama, “The New Otsu Thresholding for Binarization of the Ancient Copper Inscriptions”, Int. Rev. Comput. Softw. IRECOS, vol. 11, no. 10, p.907, Oct. 2016.

Sural, S., Qian, G., Pramanik, S. “Segmentation and histogram generation using the HSV color space for image retrieval.” Proceedings of IEEE International Conference on Image Processing. 589-592. 2002

T. Laue, T. J. De Haas, A. Burchardt, C. Graf, T. Röfer, A. Härtl, and A. Rieskamp, “Efficient and reliable sensor models for humanoid soccer robot self-localization,” in Proceedings of the Fourth Workshop on Humanoid Soccer Robots, 2009.

Guanghui Cen; Matsuhira, N.; Hirokawa, J.; Ogawa, H.; Hagiwara, I., ”Mobile robot global localization using particle filters,” Control, Automation and Systems, 2008. ICCAS 2008.

Hannes Schulz, Weichao Liu, Jörg Stückler, and Sven Behnke. 2011. Utilizing the structure of field lines for efficient soccer robot localization. In RoboCup 2010, Javier Ruiz-del-Solar, Eric Chown, and Paul G. Plöger (Eds.). Springer-Verlag, Berlin, Heidelberg 397-408.

Czarnetzki, S., Rohde, C.: Handling heterogeneous information sources for multirobot sensor fusion. In: Proceedings of the 2010 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2010), Salt Lake City, Utah. Sept 2010.

Schulz, Hannes & Behnke, Sven. “Utilizing the Structure of Field Lines for Efficient Soccer Robot Localization. Advanced Robotics”. 26. 10.1007/978-3-642-20217-9_34. 2012.




DOI: http://dx.doi.org/10.17977/um034v31i1p1-13

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 TEKNO: Jurnal Teknologi Elektro dan Kejuruan

Gedung B11, Lantai 2
Departemen Teknik Elektro dan Informatika, Fakultas Teknik
Universitas Negeri Malang
Jln. Semarang No.5 Malang, Jawa Timur

Creative Commons License TEKNO : Jurnal Teknologi Elektro dan Kejuruan licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

View Tekno Stats