Electronic Repository

Automatic UAV trajectory control systems with obstacle avoidance

Show simple item record

dc.contributor.author Kravchuk, A.R.
dc.contributor.author Tkachuk, A.H.
dc.contributor.author Torkildsen, F.С.
dc.contributor.author Vasylevskyi, D.V.
dc.contributor.author Кравчук, А.Р.
dc.contributor.author Ткачук, А.Г.
dc.contributor.author Торкільдсен, Ф.К.
dc.contributor.author Василевський, Д.В.
dc.date.accessioned 2026-07-16T07:39:58Z
dc.date.available 2026-07-16T07:39:58Z
dc.date.issued 2026
dc.identifier.uri https://eztuir.ztu.edu.ua/123456789/9164
dc.description.abstract У статті розглянуто сучасні підходи побудови систем автоматичного керування траєкторією безпілотних літальних апаратів з уникненням перешкод. Обґрунтовано актуальність теми в умовах розширення сфер застосування БПЛА та зростання вимог до безпечної автономної навігації в середовищах із неповною апріорною інформацією, динамічними перешкодами та часовими обмеженнями на прийняття рішень. Узагальнено архітектурні, алгоритмічні та сенсорні особливості сучасних систем керування, які поєднують сприйняття середовища, локалізацію, картографування, глобальне й локальне планування, генерацію безпечної траєкторії та регулювання руху. Проаналізовано реактивні, геометричні, графові, вибіркові, оптимізаційні та прогнозні підходи, а також системи на основі SLAM/VIO і комп’ютерного зору. Показано, що реактивні та геометричні методи характеризуються високою швидкодією, але мають обмежену глобальну оптимальність. Графові та вибіркові алгоритми є ефективними у відомому середовищі, однак менш придатними до швидкозмінних сцен. Оптимізаційні та прогнозні методи забезпечують високий рівень адаптивності, проте вимагають значних обчислювальних ресурсів. Окрему увагу приділено системам комп’ютерного зору, зокрема YOLO-подібним детекторам, які розглянуто як ефективний модуль семантичного сприйняття у складі гібридних архітектур, але не як самодостатній засіб керування траєкторією. Встановлено, що найбільш перспективними для практичного впровадження є багаторівневі гібридні системи, які поєднують мультисенсорне сприйняття, SLAM/VIO, глобальне і локальне планування та методи прогнозного безпечного керування. uk_UA
dc.language.iso en uk_UA
dc.publisher Державний університет "Житомирська політехніка" uk_UA
dc.relation.ispartofseries Технічна інженерія;1(97)
dc.subject UAV uk_UA
dc.subject automatic control uk_UA
dc.subject trajectory planning uk_UA
dc.subject obstacle avoidance uk_UA
dc.subject computer vision uk_UA
dc.subject multi-sensor integration uk_UA
dc.subject autonomous navigation uk_UA
dc.subject intelligent systems uk_UA
dc.subject БПЛА uk_UA
dc.subject автоматичне керування uk_UA
dc.subject планування траєкторії uk_UA
dc.subject уникнення перешкод uk_UA
dc.subject комп’ютерний зір uk_UA
dc.subject багатосенсорна інтеграція uk_UA
dc.subject автономна навігація uk_UA
dc.subject інтелектуальні системи uk_UA
dc.title Automatic UAV trajectory control systems with obstacle avoidance uk_UA
dc.title.alternative Системи автоматичного керування траєкторією БПЛА з уникненням перешкод uk_UA
dc.type Article uk_UA
dc.description.abstracten The article considers modern approaches to building systems for automatic trajectory control of uncrewed aerial vehicles with obstacle avoidance. The relevance of the topic is underscored by the expansion of UAV applications and the growing need for safe autonomous navigation in environments with incomplete a priori information, dynamic obstacles, and time constraints for decision-making. The architectural, algorithmic, and sensory features of modern control systems that combine environmental perception, localization, mapping, global and local planning, safe trajectory generation, and motion control are summarized. Reactive, geometric, graph, selective, optimization, and predictive approaches are analyzed, along with systems based on SLAM/VIO and computer vision. It is shown that reactive and geometric methods are characterized by high speed but have limited global optimality. Graph and selective algorithms are effective in a known environment, but less suitable for rapidly changing scenes. Optimization and predictive methods provide a high level of adaptability, but require significant computational resources. Special attention is paid to computer vision systems, in particular YOLO-like detectors, which are considered effective semantic perception modules within hybrid architectures but not self-sufficient means of trajectory control. It was found that the most promising for practical implementation are multi-level hybrid systems that combine multisensory perception, SLAM/VIO, global and local planning, and predictive safe control methods. uk_UA


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account