Показати скорочений опис матеріалу
| 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 |