FKMTF Indonesia

Sensor Fusion – Bagaimana Cara Kerjanya?

Memiliki nilai pasar global sebesar 2240 juta dollar US pada 2018 kemarin dan diprediksi untuk mencapai nilai 9190 juta dollar US pada 2025 nanti, sebenarnya apa yang dimaksud dengan teknologi sensor fusion? Mari kita pelajari lebih lanjut.

 

Berbeda dengan istilah pada fisika nuklir, sensor fusion tidak selalu berarti digabungkannya 2 sensor untuk menghasilkan satu atau lebih sensor yang berbeda, selayaknya arti dari nuclear fusion.

Definisi dari Sensor Fusion sendiri ialah penggunaan dan agregasi data dari beberapa sensor untuk meminimalisir ketidak pastian dari hasil, serta menambah pengetahuan lebih akan kondisi dan lingkungan yang diukur. Tetapi, dengan lebih banyak data yang didapatkan dari lebih banyak sensor, menerjemahkannya secara matematis pun akan menjadi lebih sulit. Lantas, bagaimana agregasi data tersebut dilakukan?

Filter Kalman

Algoritma yang digunakan untuk menggabungkan data tersebut adalah Filter Kalman. Ditemukan oleh Rudolph Kalman pada tahun 1960, algoritma filter ini masih sangat fundamental digunakan, salah satunya dalam teknologi telefon genggam serta navigasi. Dalam algoritma ini, masing-masing sensor pemberi data dibobotkan dengan faktor “kepercayaan”, dan dalam setiap putaran masukan datanya, kualitas sensor juga turut dinilai terus menerus. Untuk membuat prediksi akan kondisi akurat sebenarnya saat itu, hanya dibutuhkan data observasi (dari sensor-sensor yang memiliki noise) saat itu dan hasil prediksi sebelumnya.

 

 

Probabilitas dari agregasi data direpresentasikan dengan grafik fungsi normalisasi gauss, dan Filter Kalman adalah sebuah fungsi unimodal (memiliki satu puncak) gauss yang kontinyu, yang memungkinkan untuk mengestimasi ketidakpastian sistem dan menghasilkan sebuah prediksi.

 

Seperti telah dijelaskan sebelumnya, Filter Kalman hanya membutuhkan data obersvasi saat itu dan hasil prediksi sebelumnya untuk menghasilkan prediksi saat itu juga. Hal ini merupakan implementasi dari Filter Bayesian, sebuah loop sekuens antara prediksi dengan update/koreksi. Pada keadaan prediksi, sistem akan menggunakan estimasi sistem untuk memprediksi keadaan riil dan ketidakpastiannya. Sementara pada keadaan update/koreksi, sistem akan menggunakan data hasil observasi dari sensor untuk mengoreksi prediksi sebelumnya dan menghasilan estimasi yang lebih akurat lagi.

Model matematisnya tidak akan dibahas secara lanjut dalam artikel ini, tetapi secara umum, Filter Kalman bekerja mengikuti aturan bayes dalam menghitung probabilitas dari kebenaran data sensor atau dalam keadaan update.

Apa yang dimaksud dengan posterior dan prior adalah keadaan dari estimasi yang dibuat oleh algoritma Filter Kalman. Prior Probability adalah estimasi pertama, atau saat keadaan prediksi. Posterior Probablity adalah keadaan dimana ketidakpastiannya paling rendah, dan berdasarkan akumulasi data serta Prior Probability, dihasilkan prediksi yang paling akurat dari Filter Kalman.

Aplikasi

Sensor Fusion umumnya memang digunakan untuk menambah kepastian dari hasil pengukuran, tetapi bukan dengan menggunakan sensor yang sama secara banyak – hal ini malah akan menambah kelemahan dari masing-masing sensor. Sistem yang berisikan gabungan dari banyak sensor akan jauh lebih menguntungkan dan efisien. Seperti pada sebuah drone, untuk menjaga agar tidak jatuh ke tanah, maka dapat digunakan agregasi data dari sensor-sensor yang masing-masing fungsinya berbeda namun saling melengkapi, seperti GPS, Sonar, Lidar, Radar, Gyro, Accelerometer, dan Magnetometer. Perhatikan bahwa tidak ada satupun sensor yang mengukur ketinggian ke “tanah”, tetapi Sensor Fusion dari sensor-sensor ini telah berhasil diimplementasikan untuk sistem drone hingga saat ini.

Referensi

  1. “Wtf is Sensor Fusion part 1 , Laying the Mathematical Foundation” – diakses pada 20 Januari 2019
  2. “Sensor Fusion Accelerometer dan Gyroscope untuk Perubahan Kinematik Pergelangan Kaki” – diakses pada 25 Januari 2019
  3. “Sensor Fusion” – diakses pada 25 Januari 2019
  4. “How Sensor Fusion Works” – diakses pada 25 Maret 2019

Add comment