Show simple item record

dc.contributor.authorТушинський, В. Е.uk
dc.contributor.authorTushynskyi, V. E.en
dc.date.accessioned2026-09-03T10:23:11Z
dc.date.available2026-09-03T10:23:11Z
dc.date.issued2026
dc.identifier.citationТушинський В. Е. Адаптивний метод геометричного аналізу приміщень на основі класифікації просторових характеристик // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26731.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/52711
dc.description.abstractСтаття присвячена розробці адаптивного методу автоматизованого обміру приміщень для потреб оздоблювальних та ремонтних робіт. Актуальність дослідження зумовлена високою трудомісткістю традиційних методів вимірювання та відсутністю доступних автоматизованих рішень для малого та середнього бізнесу будівельної галузі. Запропоновано оригінальну математичну модель класифікації приміщень на основі трьох безрозмірних геометричних інваріантів: коефіцієнта витягнутості, коефіцієнта складності периметра та коефіцієнта заповнення перешкодами. Розроблено алгоритм адаптивного планування траєкторії сканування, що використовує модифікований метод швидкого дослідження випадкових дерев із функцією привабливості невідсканованих областей.uk
dc.description.abstractThe paper addresses the development of an adaptive method for automated room measurement for finishing and renovation works. The relevance of the research is determined by the high labor intensity of traditional measurement methods and the lack of affordable automated solutions for small and medium-sized construction businesses. An original mathematical model for room classification based on three dimensionless geometric invariants is proposed: elongation coefficient, perimeter complexity coefficient, and obstacle density coefficient. An adaptive scanning trajectory planning algorithm using a modified rapidly-exploring random trees method with an attraction function for unscanned areas has been developed.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26731
dc.subjectадаптивне скануванняuk
dc.subjectкласифікація приміщеньuk
dc.subjectмобільна вимірювальна платформаuk
dc.subjectодночасна локалізація та картографуванняuk
dc.subjectпланування траєкторіїuk
dc.subjectгеометричний аналізuk
dc.subjectadaptive scanningen
dc.subjectroom classificationen
dc.subjectmobile measurement platformen
dc.subjectsimultaneous localization andmappingen
dc.subjecttrajectory planningen
dc.subjectgeometric analysisen
dc.titleАдаптивний метод геометричного аналізу приміщень на основі класифікації просторових характеристикuk
dc.typeThesis
dc.identifier.udc004.932:528.7:681.5
dc.relation.referencesGuo J., Liu Y., Chen X., Wang D. A Terrestrial Laser Scanning-Based Method for Indoor Geometric Quality Measurement // Remote Sensing. – 2024. – Vol. 16(1). – P. 59.en
dc.relation.referencesYue X., Zhang Y., Chen J., Zhou X., He M. LiDAR-based SLAM for robotic mapping: state of the art and new frontiers // Industrial Robot. – 2024. – Vol. 51(2). – P. 196–205.en
dc.relation.referencesAl-Tawil B., Hempel T., Abdelrahman A., Al-Hamadi A. A review of visual SLAM for robotics: evolution, properties, and future applications // Frontiers in Robotics and AI. – 2024. – Vol. 11. – P. 1347985.en
dc.relation.referencesHess W., Kohler D., Rapp H., Andor D. Real-time loop closure in 2D LIDAR SLAM // Proceedings of IEEE International Conference on Robotics and Automation (ICRA). – 2016. – P. 1271–1278.en
dc.relation.referencesZhu L., Duan P., Meng L., Yang X. GAO-RRT*: A path planning algorithm for mobile robot with low path cost and fast convergence // AIMS Mathematics. – 2024. – Vol. 9(5). – P. 12011–12042.en
dc.relation.referencesYe L., Li J., Li P. Improving path planning for mobile robots in complex orchard environments: the continuous bidirectional QuickRRT* algorithm // Frontiers in Plant Science. – 2024. – Vol. 15. – P. 1337638.en
dc.relation.referencesDuda R.O., Hart P.E. Use of the Hough transformation to detect lines and curves in pictures // Communications of the ACM. – 1972. – Vol. 15(1). – P. 11–15.en
dc.relation.referencesLaValle S.M. Rapidly-exploring random trees: A new tool for path planning // Technical Report TR 98-11, Computer Science Department, Iowa State University. – 1998.en
dc.relation.referencesRusu R.B., Cousins S. 3D is here: Point Cloud Library (PCL) // Proceedings of IEEE International Conference on Robotics and Automation (ICRA). – 2011. – P. 1–4.en


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record