<![CDATA[Sistem navigasi hingga saat ini menjadi fokus utama dalam pengembangan robot otonom. Mengetahui lokasi di mana robot sedang berada merupakan syarat agar robot dapat menjalankan tugasnya. Robot otonom darat, pada umumnya digunakan untuk transportasi, survei lokasi yang berbahaya, atau pekerjaan berat yang repetitif. Sistem navigasi dengan metode dead reckoning seperti Inertial Navigation System (INS) memiliki masalah dengan akumulasi error. Untuk mengatasi masalah tersebut, penggunaan kamera atau Lidar sebagai referensi eksternal sangat cocok untuk diaplikasikan di lingkungan indoor. Penelitian ini bertujuan mengkombinasikan Wheel Odometry dengan Lidar Scan Matching menggunakan Iterative Closest Point untuk navigasi robot yang akan digunakan untuk ABU Robocon 2021, kontes robot antar perguruan tinggi se-Asia Pasifik. Iterative Closest Point merupakan salah satu metode Scan Matching pada Point Cloud Lidar yang sederhana namun cukup akurat. Integrasi Wheel Odometry dan Scan Matching dilakukan dengan menggunakan Extended Kalman Filter. Data mentah posisi dari Wheel Odometry akan digunakan sebagai dasar transformasi Point Cloud Lidar, sehingga dapat memangkas jumlah iterasi ICP yang diperlukan. Hasil ICP antara data Lidar dengan peta referensi akan digunakan sebagai input posisi pengukuran sensor pada EKF. Data mentah posisi Wheel Odometry juga akan digunakan sebagai input posisi EKF pada waktu dimana data Lidar tidak didapatkan. Data estimasi posisi dari EKF menjadi output dari sistem pada waktu t dan juga akan digunakan sebagai input prediksi pada waktu t+1. Dari hasil uji coba yang dilakukan, integrasi sistem navigasi dengan Scan Matching menggunakan Lidar dapat mengatasi masalah akumulasi error yang menjadi masalah utama Inertial Navigation System. Setelah digunakan selama sepuluh menit, error sudut pada gyro dapat mencapai 3°, sedangkan sistem navigasi yang dibangun dapat dengan konsisten memiliki error sudut dibawah 0.7°.]]>
