Penggunaan teknologi seperti kecerdasan buatan dan robotika dapat
mengembangkan tren E-Commerce dalam sisi produksi maupun konsumsi. Forklift
otonom merupakan suatu inovasi yang dapat diimplementasikan pada sistem
pengambilan dan pendistribusian barang dalam pergudangan dengan palet. Palet
merupakan sebuah struktur horizontal yang berbentuk persegi panjang dan
memiliki rongga untuk meletakkan suatu benda. Sistem pengambilan barang dalam
pergudangan menggunakan forklift otonom membutuhkan sistem persepsi yang
terdiri dari pendeteksian serta estimasi pose pada palet saat dalam mode
pengambilan palet dan pendeteksian objek dinamis dalam pergudangan saat dalam
mode navigasi. Penelitian ini akan memuat cara estimasi pose pada palet dengan
beberapa pendekatan berbeda serta deteksi manusia dan forklift lain. Penanda
ArUco akan digunakan pada palet untuk mengestimasi posisi dan orientasi secara
langsung dengan menggunakan sistem transformasi koordinat serta informasi dari
roll, pitch, yaw angle. Sistem deteksi objek akan menggunakan metode You Only
Look Once (YOLO) dalam estimasi objek dinamis dengan berbagai kondisi
pencahayaan dalam suatu pergudangan. Kalibrasi kamera, jarak, posisi, orientasi,
serta protokol komunikasi data akan dibahas dalam penelitian ini. Estimasi posisi
memiliki tingkat kesalahan 2,7576 cm; 1,8056 cm; dan 2,7966 cm berturut-turut
pada bidang x, y, dan z yang dilakukan dengan membandingkan nilai hasil estimasi
dengan nilai sebenarnya secara ril. Estimasi orientasi memiliki tingkat kesalahan
0,3512 derajat pada roll; 2,094 derajat pada pitch, dan 1,4992 derajat pada yaw.
Kecepatan pada deteksi objek dapat mencapai 24 Frame Per Second (FPS) dengan
model YOLOv5 nano yang dikonversi dalam bentuk ONNX (Open Neural Network
Exchange) dengan membandingkan dengan model YOLOv5 lainnya. Penanda
ArUco yang dideteksi memberikan kecepatan 30 FPS pada kamera. Berdasarkan
hasil percobaan, model deteksi objek dan estimasi pose pada palet sudah
memberikan hasil estimasi yang diharapkan secara lokal.