Evaluasi Akurasi Pemetaan Dalam Ruangan Berbasis LiDAR-SLAM Menggunakan Metode Single mapping dan Multi mapping pada Gedung 18 ITENAS
DOI:
https://doi.org/10.52436/1.jpti.2414Kata Kunci:
akurasi koordinat, CE90, LE90, multi mapping, point cloud, single mapping, SLAM LiDARAbstrak
Teknologi Simultaneous Localization and Mapping (SLAM) berbasis LiDAR telah menjadi salah satu metode yang banyak digunakan untuk pemetaan tiga dimensi (3D) lingkungan indoor karena mampu menghasilkan model point cloud secara cepat tanpa bergantung pada sinyal Global Navigation Satellite System (GNSS). Namun, strategi akuisisi data yang digunakan berpotensi memengaruhi kualitas geometrik model yang dihasilkan, terutama pada bangunan bertingkat dengan lintasan pemetaan yang kompleks. Penelitian ini bertujuan membandingkan akurasi model point cloud hasil metode single mapping dan multi mapping menggunakan SLAM LiDAR pada Gedung 18 Institut Teknologi Nasional Bandung. Penelitian dilakukan menggunakan pendekatan kuantitatif dengan desain eksperimen komparatif. Data diperoleh melalui akuisisi point cloud menggunakan Hi-Target V700S SLAM LiDAR, pengukuran 10 titik check point menggunakan Total Station sebagai referensi koordinat, serta pengukuran dimensi 12 objek bangunan menggunakan meteran dan distometer untuk validasi geometri. Akurasi koordinat dievaluasi menggunakan parameter Root Mean Square Error (RMSE), Circular Error 90 (CE90), dan Linear Error 90 (LE90), sedangkan kesesuaian geometri dianalisis menggunakan paired sample t-test. Hasil penelitian menunjukkan bahwa metode single mapping menghasilkan akurasi koordinat yang lebih baik dibandingkan multi mapping, yang diindikasikan oleh nilai RMSE horizontal sebesar 0,0916 m dan CE90 sebesar 0,1390 m. Perbedaan tersebut mengindikasikan bahwa proses registrasi pada metode multi mapping berpotensi meningkatkan propagasi kesalahan koordinat. Meskipun demikian, hasil uji statistik menunjukkan bahwa kedua metode mampu merepresentasikan geometri bangunan secara konsisten tanpa perbedaan yang signifikan terhadap hasil pengukuran lapangan (p > 0,05). Penelitian ini menunjukkan bahwa single mapping lebih sesuai untuk pekerjaan yang memerlukan ketelitian koordinat tinggi, sedangkan multi mapping tetap dapat diterapkan pada bangunan dengan keterbatasan akses selama proses registrasi dilakukan secara optimal.
Unduhan
Referensi
B. Alsadik and S. Karam, "The Simultaneous Localization and Mapping (SLAM): An Overview," Journal of Applied Science and Technology Trends, vol. 2, no. 4, pp. 120–131, 2021, doi: 10.38094/jastt2443.
V. Ress, W. Zhang, D. Skuddis, N. Haala, and U. Soergel, "SLAM for Indoor Mapping of Wide Area Construction Environments," ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. X-2-2024, pp. 209–216, 2024, doi: 10.5194/isprs-annals-X-2-2024-209-2024.
Q. Li, X. Yu, J. P. Queralta, and T. Westerlund, "Robust Multi-Modal Multi-LiDAR-Inertial Odometry and Mapping for Indoor Environments," Sensors, vol. 23, no. 7, Art. no. 3572, 2023, doi: 10.3390/s23073572.
B. Akp?nar, "Performance of Different SLAM Algorithms for Indoor and Outdoor Mapping Applications," Applied System Innovation, vol. 4, no. 4, Art. no. 86, 2021, doi: 10.3390/asi4040086.
T. Shan, B. Englot, D. Meyers, W. Wang, C. Ratti, and D. Rus, "LIO-SAM: Tightly-Coupled Lidar Inertial Odometry via Smoothing and Mapping," in Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems (IROS), 2020, pp. 5135–5142, doi: 10.1109/IROS45743.2020.9341176.
J. W. Creswell and J. D. Creswell, Research Design: Qualitative, Quantitative, and Mixed Methods Approaches, 6th ed. Thousand Oaks, CA, USA: SAGE Publications, 2023.
Y. Liu, C. Wang, H. Wu, and Y. Wei, "An Effective LiDAR-Inertial SLAM-Based Map Construction Method for Outdoor Environments," Remote Sensing, vol. 16, no. 17, Art. no. 3099, 2024, doi: 10.3390/rs16173099.
A. Filgueira, L. Peña, J. González-Jorge, H. Lorenzo, and P. Arias, "Mobile Indoor Mapping Technologies: A Review," Automation in Construction, vol. 118, Art. no. 103311, 2020, doi: 10.1016/j.autcon.2020.103311.
J. Zhang and S. Singh, "LOAM: Lidar Odometry and Mapping in Real-Time," IEEE Transactions on Robotics, vol. 36, no. 4, pp. 1125–1142, 2020, doi: 10.1109/TRO.2020.2995081.
F. Pomerleau, F. Colas, R. Siegwart, and S. Magnenat, "Comparing ICP Variants on Real-World Data Sets," Autonomous Robots, vol. 34, no. 3, pp. 133–148, 2013, doi: 10.1007/s10514-013-9327-2.
V. A. Prisacariu and I. Reid, "SLAM and Dense Surface Reconstruction in Dynamic Environments: A Survey," Artificial Intelligence, vol. 252, pp. 1–28, 2017, doi: 10.1016/j.artint.2017.08.002.
J. Koszyk, P. ?ab?d?, K. Grzelka, A. Jasi?ska, K. Pargie?a, A. Malczewska, K. Strz?ba?a, M. Michalczak, and ?. Ambrozi?ski, "Evaluation of LiDAR Odometry and Mapping Based on Reference Laser Scanning," Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., vol. XLVIII-1/W3-2023, pp. 79–84, 2023, doi: 10.5194/isprs-archives-XLVIII-1-W3-2023-79-2023.
K. Mirzaei, M. Arashpour, H. Li, E. Asadi, H. Masoumi, and A. Behnood, "Automatic Generation of Structural Geometric Digital twins from Point clouds," Sci. Rep., vol. 12, Art. no. 22321, 2022, doi: 10.1038/s41598-022-26307-7.
