Please use this identifier to cite or link to this item: https://eztuir.ztu.edu.ua/123456789/9164
Full metadata record
DC FieldValueLanguage
dc.contributor.authorKravchuk, A.R.-
dc.contributor.authorTkachuk, A.H.-
dc.contributor.authorTorkildsen, F.С.-
dc.contributor.authorVasylevskyi, D.V.-
dc.contributor.authorКравчук, А.Р.-
dc.contributor.authorТкачук, А.Г.-
dc.contributor.authorТоркільдсен, Ф.К.-
dc.contributor.authorВасилевський, Д.В.-
dc.date.accessioned2026-07-16T07:39:58Z-
dc.date.available2026-07-16T07:39:58Z-
dc.date.issued2026-
dc.identifier.urihttps://eztuir.ztu.edu.ua/123456789/9164-
dc.description.abstractУ 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.isoenuk_UA
dc.publisherДержавний університет "Житомирська політехніка"uk_UA
dc.relation.ispartofseriesТехнічна інженерія;1(97)-
dc.subjectUAVuk_UA
dc.subjectautomatic controluk_UA
dc.subjecttrajectory planninguk_UA
dc.subjectobstacle avoidanceuk_UA
dc.subjectcomputer visionuk_UA
dc.subjectmulti-sensor integrationuk_UA
dc.subjectautonomous navigationuk_UA
dc.subjectintelligent systemsuk_UA
dc.subjectБПЛАuk_UA
dc.subjectавтоматичне керуванняuk_UA
dc.subjectпланування траєкторіїuk_UA
dc.subjectуникнення перешкодuk_UA
dc.subjectкомп’ютерний зірuk_UA
dc.subjectбагатосенсорна інтеграціяuk_UA
dc.subjectавтономна навігаціяuk_UA
dc.subjectінтелектуальні системиuk_UA
dc.titleAutomatic UAV trajectory control systems with obstacle avoidanceuk_UA
dc.title.alternativeСистеми автоматичного керування траєкторією БПЛА з уникненням перешкодuk_UA
dc.typeArticleuk_UA
dc.description.abstractenThe 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
Appears in Collections:Технічна інженерія

Files in This Item:
File Description SizeFormat 
21. Кравчук.pdf742.34 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.