Simultaneous Localization and Mapping pada Smart Automated Guided Vehicle menggunakan Iterative Closest Point berbasis K-Means Clustering

ABSTRAKAutomated Guided Vehicle (AGV) merupakan salah satu jenis mobile robot yang digunakan untuk mengangkut barang menuju tempat tujuan. AGV mampu bekerja pada lingkungan dinamis tanpa menggunakan garis pemandu. Namun sebelumnya harus mempunyai informasi cukup terhadap kerjanya. Teknik ini dikenal dengan Simulataneous Localization and Mapping (SLAM) menggambar peta sekaligus mengetahui posisi di dalam peta. Pada penelitian ini, metode yaitu SLAM berbasis Iterative Closest Point (ICP) algoritma K-Means kumpulan titik dari sensor laser range finder (LRF) membangun lingkungan. Pemetaan memiliki error hasil scan jarak 77,69% lebih kecil dan waktu eksekusi 0,18% cepat dibandingkan KD-Tree. Peta dihasilkan KMeans ICP-SLAM memberikan baik & mendekati keadaan ruangan sebenarnya KD-Tree.Kata kunci: ICP-SLAM, K-Means, Laser Range Finder. ABSTRACTAutomated is a type of that used to transport goods destination. able work in dynamic environment without guidelines. However, it must have sufficient information about its working beforehand. This technique known as Simultaneous which by be draw map well determine position on the map. In this research, method based with algorithm uses collection points from Finder build an environmental using has smaller distance faster execution time than The generated gives better results closer actual state Keywords: