Navigasi Indoor Berbasis Peta pada Robot Beroda dengan Platform Robot Operating System

Tara Anggada Putra, Muliady Muliady, Daniel Setiadikarunia


Wheeled robots are widely used in many industrial fields. The wheeled robot needs to have implemented an autonomous navigation system to improve work efficiency. In this research, a map-based indoor navigation system is implemented on wheeled robot with Robotics Operating System (ROS) platform using Hector Mapping algorithm. The algorithm Multisensor Data Fusion using Extended Kalman Filter (EKF) which fuses Wheel Odometry data with IMU sensor data for localization, Field Dynamic A-Star algorithm for path planning, and ON-OFF controller for trajectory tracking. Field Dynamic A-Star algorithm is chosen because it solves general path planning algorithm’s main issue that limits robot’s orientation movement for every 45o (suboptimal and subnatural path). The robot has ODROID-XU4 as controller to perform map-based indoor navigation, Arduino Mega 2560 to drive motors, RPLIDAR A2 LASER rangefinder for mapping, and VEX Integrated Encoder with Sparkfun Razor 9DoF IMU for localization. The navigation system is successfully implemented on wheeled robot with ROS platform. Robot has successfully mapped indoor environment with 0.174 meter error rate, and has successfully done localization with average error rate of 0.05m on x coordinate, 0.028m on y coordinate, and 1.506o on orientation angle. Path planner is proved capable of generating path that is not limited every 45o orientation. Path planner yields 62.5% success rate in generating traversable path and the robot yields 75% success rate in following the path. Robot yields average error rate of 0.046m in moving towards target’s x coordinate, 0.072m in moving towards target’s y coordinate, and 5.163o in turning towards target’s orientation angle.


Robot beroda banyak digunakan di banyak bidang industri. Pada robot beroda tersebut perlu diimplementasikan sistem navigasi autonomous untuk meningkatkan efisiensi kerja. Pada penelitian ini, sistem navigasi indoor berbasis peta diimplementasikan pada robot beroda dengan platform Robot Operating System (ROS) menggunakan algoritma Hector Mapping untuk pemetaan. Algoritma ini menggunakan Data Fusion dengan algoritma Extended Kalman Filter (EKF) yang menggabungkan data Wheel Odometry dengan data sensor IMU untuk lokalisasi, algoritma Field Dynamic A-Star untuk path planning, dan pengontrol ON-OFF untuk trajectory tracking. Algoritma Field Dynamic A-Star dipilih karena algoritma tersebut dapat mengatasi permasalahan algoritma path planning pada umumnya yang membatasi arah orientasi pergerakan robot setiap kelipatan 45o (jalur tidak optimal dan tidak natural). Robot memiliki ODROID-XU4 sebagai pengontrol utama yang bertugas untuk melakukan navigasi indoor berbasis peta, Arduino Mega 2560 untuk menggerakkan motor, LASER rangefinder RPLIDAR A2 untuk pemetaan, dan VEX Integrated Encoder serta Sparkfun Razor 9DoF IMU untuk lokalisasi. Sistem navigasi berhasil diimplementasikan pada robot beroda dengan platform ROS. Robot berhasil melakukan pemetaan lingkungan indoor dengan tingkat kesalahan rata-rata 0,174 meter serta berhasil melakukan lokalisasi dengan tingkat kesalahan rata-rata 0,05m pada koordinat x, 0,028m pada sumbu y, dan 1,506o pada sudut orientasi. Path planner terbukti menghasilkan jalur yang tidak terbatas pada kelipatan orientasi 45o. Path planner memiliki tingkat keberhasilan 62,5% dalam menghasilkan jalur yang dapat dilewati robot dan robot memiliki tingkat keberhasilan 75% dalam mengikuti jalur. Robot memiliki tingkat kesalahan rata-rata 0,046m dalam bergerak menuju koordinat x target, 0,072m dalam bergerak menuju koordinat y target, dan 5,163o dalam berputar menuju sudut orientasi target.


Map-based navigation; Hector Mapping; Extended Kalman Filter; Field Dynamic A-Star


A. Gupta, S. Umrao, and S. Kumar, “Optimal Path Planning in a Dynamic Environment,” 2016. [Online]. Tersedia di: [16 Agustus 2019].

Y. Ma, G. Zheng, W. Perruquetti, and Z. Qiu, “Local path planning for mobile robots based on intermediate objectives,” Robotica, vol. 33, no. 4, hlm. 1–15, 2014.

J. M. Santos, D. Portugal, and R. P. Rocha, “An evaluation of 2D SLAM techniques available in Robot Operating System,” dalam 2013 IEEE International Symposium on Safety, Security, and Rescue Robotics, SSRR 2013, 2013.

H. Md Maruf Ibne, “Indoor and Outdoor Localization of a Mobile Robot Fusing Sensor Data,” Northeastern University, Massachusetts, 2017.

D. Ferguson and A. Stentz, “The Field D* algorithm for improved path planning and replanning in uniform and non-uniform cost environments,” Pennsylvania, 2005.

Y. Wu and Z. Ding, “Research on Laser Navigation Mapping and Path Planning of Tracked Mobile Robot Based on Hector SLAM,” dalam 2018 International Conference on Intelligent Informatics and Biomedical Sciences, ICIIBMS 2018, 2018, vol. 3, hlm. 59–65.

M. Ben-Ari and F. Mondada, “Robotic Motion and Odometry”, dalam Elements of Robotics. Cham: SpringerOpen, 2017, hlm. 83-85.

T. Moore and D. Stouch, “A generalized extended Kalman filter implementation for the robot operating system,” dalam Advances in Intelligent Systems and Computing, 2016, hlm. 335–348.


  • There are currently no refbacks.