Dewi, Yufa Artika (2026) Rancang Bangun Automated Guided Vehicle (AGV) Trackless Berbasis Vision dengan Deteksi Objek YOLOv8 dan Marker ArUco. Undergraduate thesis, Universitas Diponegoro.

	Text Full BAB Tugas Akhir_Yufa Artika Dewi_40040322650050_TRO.pdf - Published Version Restricted to Repository staff only Download (8MB) | Request a copy
	Text COVER_Yufa Artika Dewi.pdf - Published Version Download (493kB)
	Text BAB I_Yufa Artika Dewi.pdf - Published Version Download (150kB)
	Text BAB II_Yufa Artika Dewi.pdf - Published Version Download (937kB)
	Text BAB III_Yufa Artika Dewi.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB IV_Yufa Artika Dewi.pdf - Published Version Download (2MB)
	Text BAB V_Yufa Artika Dewi.pdf - Published Version Download (107kB)
	Text DAFTAR PUSTAKA _Yufa Artika Dewi.pdf - Published Version Download (185kB)
	Text LAMPIRAN_Yufa Artika Dewi.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

ABSTRAK
RANCANG BANGUN AUTOMATED GUIDED VEHICLE (AGV) TRACKLESS BERBASIS VISION DENGAN DETEKSI OBJEK YOLOv8 DAN MARKER ArUco
Yufa Artika Dewi Teknologi Rekayasa Otomasi, Sekolah Vokasi, Universitas Diponegoro
Automated Guided Vehicle (AGV) umumnya masih bergantung pada jalur pemandu fisik sehingga kurang fleksibel terhadap perubahan tata letak warehouse. Penelitian ini bertujuan menganalisis kinerja navigasi AGV trackless berbasis marker ArUco, deteksi objek menggunakan YOLOv8n yang diintegrasikan dengan sensor ultrasonik, serta keberhasilan AGV mencapai titik tujuan. Sistem menggunakan Raspberry Pi 5 untuk deteksi ArUco dan YOLOv8n, sedangkan ESP32-S3 digunakan untuk mengolah data HC-SR04 dan TCRT5000 serta mengendalikan aktuator. Hasil pengujian marker ArUco ID 1-7 pada jarak 30-100 cm menunjukkan rata-rata error 1,239% dari 56 titik pengukuran, dengan error maksimum 15,00% pada marker ID 5 pada jarak 30 cm. Estimasi pose marker berupa posisi X, Y, Z dan orientasi θx, θy, θz relatif terhadap frame kamera digunakan sebagai referensi navigasi AGV. YOLOv8n mampu mendeteksi objek box dan human pada jarak 20100 cm dengan confidence masing-masing 0,50-0,85 dan 0,61-0,90. Pada resolusi pembacaan bilangan bulat yang ditampilkan, hasil pengujian HC-SR04 sesuai dengan jarak acuan pada titik pengujian 10-100 cm. Pengujian navigasi pada Titik A, B, dan C dengan dan tanpa rintangan mencapai keberhasilan 100%. Hasil menunjukkan sistem mampu mendukung navigasi AGV trackless secara otonom tanpa jalur pemandu kontinu pada lingkungan warehouse indoor.
Kata kunci: AGV Trackless, ArUco Marker, YOLOv8n, Sensor Ultrasonik, Warehouse.

Actions (login required)

View Item