This research propose simultaneous localization and mapping (SLAM) system processed separately from the robot using dataware house. Information in the data warehouse processed separately to allow complex computation held without lowering robotic system performance. The system helps making decision by analyzing information in the data warehouse. Decision support information visualized in vector graphic to help robotic information interpretation. This system use online analytical process (OLAP) on processing and analyzing information in the data warehouse. Visualization process use scalable vector graphics (SVG) to display map from robotic data processing. Web server manage all of the processing and analysis of OLAP information and displays it through browser to the user. This research resulting interactive and informative decision support system. The web server quickly process information and displays it to the browser. System Processing and analysis resulting relevant information with small error. For further research, conventional SLAM methods can be added to the server to operate the information in the data warehouse.

1. SISTEM PENDUKUNG KEPUTUSAN
PENENTUAN LOKASI DAN
PEMETAAN SECARA SIMULTAN
DENGAN OLAP
Harindra Wisnu Pradhana (J4F009021)
Magister Sistem Informasi Universitas Diponegoro

2. DECISION SUPPORT SYSTEM OF
SIMULTANEOUS LOCALIZATION
AND MAPPING USING OLAP
Harindra Wisnu Pradhana (J4F009021)
Magister Sistem Informasi Universitas Diponegoro

3. SLAM?
 Estimasi Lokasi & Pemetaan secara Simultan
• Explorasi area
• Deteksi & identifikasi obyek
• Obyek lama :
• Estimasi lokasi robot
• Kalibrasi peta
• Obyek baru :
• Pengkinian peta

4. Riset Sebelumnya
 Estimasi lokasi (Durrant-Whyte & Bailey, 2006)
 Representasi data robotik dalam vektor (Pradhana, 2013)
 Partisi peta SLAM kedalam peta lokal (Chong & Kleeman, 1999)
 Pengolahan data SLAM (Pratama, 2013)
 Pengolahan dengan DW disajikan dalam OLAP (Hammergren &
Simon, 2009)
 Sensor Robotik (Ruckert, 2009)
 Karakteristik sonar (Saleem, 2013)
 Motor Robotik (Pal & Tripathy, 2011)
 Motor Stepper (Singh dkk, 2010)
 Sistem koordinat (Strang, 1991)
 Operasi vektor (Peacock, 2009)

5. Tujuan & Manfaat
 Tujuan : Menerapkan sistem OLAP untuk mengolah data
SLAM yang mampu :
 Menampilkan peta
 Mengetahui posisi terkini agen relatif terhadap peta
 Menginformasikan area-area potensial yang belum
dipetakan
 Manfaat :
 Menunjang sistem kerja elektromekanik
 Observasi non destruktif
 Interpretasi visi robotik
 Visualisasi kondisi & posisi robotik

6. Analogi Peta Pegas (Durrant-Whyte,
2006)
Menggambark
an beberapa
korelasi antara
robot dengan
obyek-obyek
di sekitarnya.
Mengestimasi
korelasi antar
obyek yang
satu dengan
yang lain.
Mengestimasi
posisi robot
dan obyek
pada peta.

7. Metode SubMap (Chong & Kleeman,
1999)
Peta Global,
obyek-obyek
hasil deteksi
sebelumnya
Peta Lokal, obyek-
obyek hasil
deteksi baru
Konsolidasi
informasi,
pengkinian
peta global
dengan
informasi-
informasi dari
peta lokal.

8. Asumsi
 Posisi dan jarak antar obyek random (tidak teratur)
 Bentuk dan ukuran obyek sama (silinder)
 Robot tidak memiliki sistem navigasi
 Tanpa kompas, tidak tahu menghadap ke arah mana
 GPS, tidak tahu sedang di koordinat berapa
 Drop point robot random
 Sensor & Aktuator robot ideal

9. Tantangan
 Estimasi lokasi robot
terhadap peta
 Konsolidasi peta lokal
pada robot terhadap
peta global
 Kolom, Baris  Peta
 Data Numerik  Data
Geografis
 Mempertahankan
informasi
SLAM
Tantangan Spatial OLAP (Bimonte,
2007)

10. Usulan Solusi : Peta Pegas  OLAP
Robot
(LR,αR, βR)
Robot  Obj 1
(LR1, αR1)
Robot  Obj 2
(LR2, αR2)
~
Robot  Obj n
(LRn, αRn)
Robot  Obj 2
(LR2, αR2)
Obj 1
(L1,α1)
Obj 1  Obj 2
(L12, α12)
Obj 1  Obj n
(L1n, α1n)
Robot  Obj 2
(LR2, αR2)
Obj1  Obj 2
(L12, α12)
Obj 2
(L2,α2)
Obj 2  Obj n
(L2n, α2n)
~
Robot  Obj n
(LRn, αRn)
Obj 1  Obj n
(L1n, α1n)
Obj 2  Obj n
(L2n, α2n)
Obj n
(Ln,αn)

11. Langkah Penelitian
 Kalibrasi
 Rancang bangun Data Warehouse
 Rancang bangun OLAP
 Rancang bangun antarmuka
 Pengujian Sistem

12. Kalibrasi
 Koefisien gerakan
maju =
19,92295step/mm
 Koefisien gerakan
memutar =
20,67701step/0
 Sudut=0.96492(det)-
2.02342
 Jarak=[0.16843(det)
+2879549]x1mm/µs
Gerakan Deteksi

13. Functional Modeling
Input Buffer
Filter
Recap
Olap Class
SVG
Class

14. Input Buffer & Filter
 readFileLine 
membaca 1 baris data
log file robot
 checkFileLine 
melakukan pemeriksaan
format baris data
 AddDbLine 
menyimpan baris data
ke dalam tabel input
buffer
 readBuffer  membaca
satu row data pada
tabel input buffer
 addMov  konversi &
penyimpanan data
gerakan
 addDet  konversi &
penyimpanan data
deteksi
Input Buffer Filter

15. Recap
 slamVectorAdd  operasi penjumlahan vektor,
pemakaian pada :
 Rekapitulasi gerakan terhadap posisi agen sebelumnya
 Rekapitulasi deteksi terhadap posisi agen terakhir
 slamAtan  fungsi arctan yang dimodifikasi untuk
menghasilkan kuadran yang tepat dengan menganalisa
komponen vertikal & horisontal
 addMov  menyimpan posisi terakhir robot relatif
terhadap peta
 addDet  menyimpan posisi deteksi relatif terhadap
peta

16. Olap Class
 objTollerance  toleransi
jarak simpangan terjauh
beberapa deteksi dianggap
sebagai satu obyek
 matchObject  analisa
beberapa posisi deteksi yang
dianggap sebagai satu obyek
yang sama
 slamVectorSub  operasi
pengurangan vektor untuk
mengetahui relasi antar 2 titik
pada peta
 mapCompare 
membandingkan seluruh
obyek antara 2 peta
 objCompare 
membandingkan seluruh
relasi dua obyek pada
dua peta berbeda
Local Map Global Map

17. SVG Class
 Fungsi :
 analyzeAgentArray  analisa posisi terakhir agen dan
jalur yang dilalui agen
 analyzeObjectArray  analisa posisi obyek
 analyzeRelationArray  analisa relasi deteksi maupun
relasi antar obyek
 plotSVG  komposisi script SVG
 Antarmuka
 Agen  segitiga kuning <polygon>
 Jalur agen  garis putus-putus biru <path>
 Obyek  lingkaran merah <circle>
 Relasi  garis putus-putus merah <path>

18. Realisasi Jadwal Penelitian
No Kegiatan Bulan Ag Sep Okt Nov
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Kalibrasi V V
2 Rancang bangun Data Warehouse V V
3 Rancang bangun OLAP V V V
4 Rancang bangun Antarmuka V V V
5 Pengujian Sistem V V V
6 Penyusunan Laporan V V V VV

19. Terima Kasih