Pembangunan Robot dengan Fungsi Pengenalan Objek dan Pemetaan Area Menggunakan Algoritma Yolo dan Slam

Abstract

The presentation of fast and accurate information is a factor that must be met in mapping a room using an automatic mapping robot, but the presentation of information in the form of the shape of the room is deemed not to fulfill the function of the mapping robot itself, as a solution, a combination of other branches of science such as Computer Vision is needed. expected to be able to meet the shortcomings of robots in perfecting their duties. In this study, the application of the YOLO v3 Algorithm, Hector SLAM and LiDAR sensor in mapping the indoor space by a wheeled robot with the aim of presenting more complete information regarding the objects contained in the mapping room, in this study an experiment was carried out using the "Houseplant" object obtained from Open Image Datasets. The use of this dataset is reasonable that the data in these datasets includes complex data and there are many overlapping images. In this study, the robot is able to achieve the given goal by presenting maps, landmarks, and robot trajectory during mapping takes place, for object detection using the YOLO v3 algorithm, the data model obtained has a mean Average Prediction (mAP) of 71.50% and an accuracy of 69.5%. with the use of the Insertion Over Union (IOU) of 50%.

Penyajian informasi yang cepat dan akurat merupakan faktor yang harus dipenuhi dalam pemetaan ruangan dengan menggunakan robot pemetaan otomatis, akan tetapi penyajian informasi berupa bentuk ruangan saja dirasa tidak memenuhi fungsi dari robot pemetaan sendiri, sebagai solusinya diperlukan perpaduan dari cabang ilmu pengetahuan lain seperti Computer Vision yang diharapkan mampu memenuhi kekurangan robot dalam menyempurnakan tugasnya. Dalam penelitian ini dilakukan penerapan Algoritma YOLO v3, Hector SLAM, dan sensor LiDAR dalam memetakan ruangan indoor oleh robot beroda dengan tujuan untuk menyajikan informasi lebih lengkap terkait objek yang terdapat di ruangan pemetaan, dalam penelitian ini dilakukan percobaan dengan menggunakan objek “ Houseplant ” yang diperoleh dari Open Image Datasets. Penggunaan dataset ini beralasan bahwa data pada datasets ini termasuk data yang kompleks dan terdapat banyak overlapping image. Dalam penelitian ini robot mampu mencapai tujuan yang diberikan dengan penyajian map, landmark, serta lintasan robot selama pemetaan berlansung, untuk pendeteksian objek dengan menggunakan algoritma YOLO v3, data model yang diperoleh memiliki mean Average Prediction ( mAP ) sebesar 71.50% dan akurasi sebesar 69.5% dengan penggunaan Insertion Over Union (IOU) sebesar 50%.