DSpace Community:
https://er.nau.edu.ua/handle/NAU/49923
2024-03-28T18:56:29Z
2024-03-28T18:56:29Z
Preliminary cockpit preparation
Pushkaruk, Natalia
Пушкарук, Наталія Миколаївна
https://er.nau.edu.ua/handle/NAU/50981
2021-06-03T08:52:54Z
2021-04-01T00:00:00Z
Title: Preliminary cockpit preparation
Authors: Pushkaruk, Natalia; Пушкарук, Наталія Миколаївна
Abstract: The A320 is one aircraft in four sizes (A318, A319, A320 and A321),
representing the most successful and versatile jetliner family ever. Seating from 100 to 240 passengers and flying throughout the world, with the widest single-aisle cabin, an A320 takes off or lands every 1.6 seconds. From the heat of the desert to icy Antarctic runways, or from short runway urban environments to remote high-altitude airports, the A320 can take passengers anywhere.; A320 - це один літак чотирьох розмірів (A318, A319, A320 та A321),
представляє найуспішнішу та універсальну сім'ю реактивних лайнерів за всю історію. Розміщуючи від 100 до 240 пасажирів і літаючи по всьому світу, з найширшою однопрохідною кабіною, A320 злітає або приземляється кожні 1,6 секунди. Від спеки пустелі до крижаних антарктичних злітно-посадкових смуг або від міського середовища на коротких злітно-посадкових смугах до віддалених висотних аеропортів, A320 може доставити пасажирів куди завгодно.
Description: 1. Flight Safety Foundation. (2006). Flight Safety Digest January-February 2006. Retrieved January 24, 2016 2. Hamzah H., Fook Fei W. (2018) Miscommunication in Pilot-controller Interaction he Southeast Asian Journal of English Language Studies – Vol 24(4): 199 – 213
2021-04-01T00:00:00Z
Intellectual system for the production of printed circuit boards
Plodystyy, Bogdan
Плодистий, Богдан Олександрович
https://er.nau.edu.ua/handle/NAU/50763
2021-05-28T11:36:44Z
2021-04-28T00:00:00Z
Title: Intellectual system for the production of printed circuit boards
Authors: Plodystyy, Bogdan; Плодистий, Богдан Олександрович
Abstract: The intelligent system of the new format completely replaces the old processes of auto-correlation, pointing, optimization, alignment, imaging, recognition, processing of information of a particular installer in SMD production. The structure of the system is designed with the help of all technical documents and interacts with the safety technology in this SMD area. The basic principle is the developed system "Grape Tec", which allocates the necessary resources for the SMD mounters and emulates the system using Raspberry Pi or a computer, makes accurate algorithmic calculations, corrects the offsets and speeds up the work process.; Інтелектуальна система нового формату повністю замінює старі процеси автокореляції, наведення, оптимізації, вирівнювання, зображення, розпізнавання, обробки інформації певного інсталятора у виробництві SMD. Структура системи розроблена за допомогою всіх технічних документів та взаємодіє з технологіями безпеки в цій галузі SMD. Основним принципом є розроблена система "Grape Tec", яка виділяє необхідні ресурси для монтерів SMD та емулює систему за допомогою Raspberry Pi або комп'ютера, робить точні алгоритмічні розрахунки, виправляє зсуви та пришвидшує робочий процес.
Description: 1. Mirae Mx-series manual for SMD production. ©Copyright 2007 Mirae Corporation.
2. Working technological documents in production. Ajax systems comp.
2021-04-28T00:00:00Z
Image depth evaluation system by stream video
Sych, Alexey
Сич, Олексій Сергійович
https://er.nau.edu.ua/handle/NAU/50762
2021-05-28T11:34:42Z
2021-04-28T00:00:00Z
Title: Image depth evaluation system by stream video
Authors: Sych, Alexey; Сич, Олексій Сергійович
Abstract: One of the data processing applications is stereo vision, in which obtaining a three-dimensional scene is based on models for determining the depths of key points of images from a video sequence or several images. If it is considered an example with a person, then a two-dimensional image is formed on the retina, but despite this, a person perceives the depth of space, that is, has three-dimensional, stereoscopic vision. As a result, in the presence of data on the size of an object, it can be estimated the distance to it or understand which of the objects is closer. When one object is in front of the other and partially obscures it, the person perceives the front object at a closer distance. Because of this, the need arose to teach machine devices to do this for various tasks. Based on the processing results, you can have spatial information for assessing the relief, obstacles while driving, etc. This algorithm is based on combining images of the same object, photographed or filmed on video with constant camera parameters and in the same focal plane from different angles, allows to obtain information about the distance to the object by perspective distortions (discrepancies).; Одним із додатків для обробки даних є стереобачення, в якому отримання тривимірної сцени базується на моделях для визначення глибини ключових точок зображень із відеопослідовності або декількох зображень. Якщо це розглядати як приклад з людиною, то на сітківці утворюється двовимірне зображення, але, незважаючи на це, людина сприймає глибину простору, тобто має тривимірне, стереоскопічне бачення. Як результат, за наявності даних про розмір об’єкта можна оцінити відстань до нього або зрозуміти, який з об’єктів знаходиться ближче. Коли один предмет перебуває перед іншим і частково затемнює його, людина сприймає передній предмет на більш близькій відстані. Через це виникла потреба навчити машинні пристрої робити це для різних завдань. На основі результатів обробки ви можете мати просторову інформацію для оцінки рельєфу, перешкод під час руху тощо. Цей алгоритм заснований на поєднанні зображень одного і того ж об'єкта, сфотографованих чи знятих на відео з постійними параметрами камери і в одній і тій же фокальній площині з різних кутів, дозволяє отримувати інформацію про відстань до об'єкта шляхом перспективних спотворень (розбіжностей).
Description: 1. Depth map generation for 2d-to-3d conversion by short-term motion assisted color segmentation/Yu-Lin Chang, Chih-Ying Fang, Li-Fu Ding, Shao-Yi Chen, and Liang-Gee Chen - DSP/IC Design Lab, Graduate Institute of Electronics Engineering, National Taiwan University, Taipei, Taiwan
2. Scharstein D., Szeliski R. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms // Int. Journal of Computer Vision 47. April-June 2002. PP. 7–42.
3. Разработка и исследование алгоритма вычисления карты глубины стереоизображения/ В.В. Воронин.
4. Метод оценки глубины сцены и текстуры невидимых частей изображения URL: https://neurohive.io/ru/papers/pokazat-to-chto-skryto-metod-ocenki-glubiny-i-nevidimyh-chastej-izobrazhenij/ (Last accessed: 11.01.2021).
2021-04-28T00:00:00Z
Navigation dead reckoning system based on a mobile phone
Lazarevskiy, Alexander
Лазаревський, Олександр Андрійович
https://er.nau.edu.ua/handle/NAU/50760
2021-05-28T11:34:27Z
2021-04-28T00:00:00Z
Title: Navigation dead reckoning system based on a mobile phone
Authors: Lazarevskiy, Alexander; Лазаревський, Олександр Андрійович
Abstract: The problem of pedestrian dead reckoning (PDR) is referred to the class of individual navigation problems. The common solution in mobile phones is the use of satellite navigation (GPS, GLONASS, Galileo, etc.). But satellite signal sometimes can be jammed intentionally or lost due to obstacles in urban area. Also, the problem of PDR is interesting in the user localization in indoor environment such as large garages, city molls, etc. Instrumentation of smartphones is now based on Micro-Electro-Mechanical Sensors (MEMS) technology and includes standard set of Inertial Measurement Unit (IMU): accelerometers, gyroscopes, magnetometers and pressure sensor (optionally). Accelerometers can be used to detect step events and further to calculate lengths. But it is sensitive to walking speed, slope of the road, etc., which leads to inaccurate results of calculating the stride length. Also, as any dead reckoning technique PDR suffers from the cumulative error. Since the location estimate is always calculated based on the previous result, the error accumulates rapidly over time. This means that correction updates are necessary on regular basis.; Проблема обліку загибелі пішоходів (ОЗП) відноситься до класу індивідуальних проблем навігації. Загальним рішенням у мобільних телефонах є використання супутникової навігації (GPS, ГЛОНАСС, Galileo тощо). Але супутниковий сигнал іноді може бути заклинений навмисно або втрачений через перешкоди в міській місцевості. Крім того, проблема ОЗП цікава в локалізації користувачів у приміщенні, наприклад, у великих гаражах, міських торгових центрах тощо. Зараз прилади для смартфонів засновані на технології мікро-електромеханічні датчики (MEМД) і включають стандартний набір інерційних вимірювальних приладів (IВП): акселерометри, гіроскопи, магнітометри та датчик тиску (за бажанням). Акселерометри можна використовувати для виявлення крокових подій та подальшого обчислення довжин. Але він чутливий до швидкості ходьби, нахилу дороги тощо, що призводить до неточних результатів розрахунку довжини кроку. Крім того, як і будь-яка техніка розрахунок критичних випадків, ОЗП залежить від сукупної помилки. Оскільки оцінювання місця розташування завжди обчислюється на основі попереднього результату, помилка швидко накопичується з часом. Це означає, що необхідні регулярні оновлення виправлень.
Description: 1. S. Beauregard and H. Haas, “Pedestrian dead reckoning: A basis for personal positioning,” in Proceedings of the 3rd Workshop on Positioning, Navigation and Communication, March 2006, pp. 27–35.
2. A. R. Jimenez, F. Seco, C. Prieto, and J. Guevara, “A comparison of pedestrian dead-reckoning algorithms using a low-cost MEMS IMU,” in 2009 IEEE International Symposium on Intelligent Signal Processing, August 2009, pp. 37–42.
3. P. Kasebzadeh, C. Fritsche, G. Hendeby, F. Gunnarsson, and F. Gustafsson, “Improved pedestrian dead reckoning positioning with gait parameter learning” in 2016 19th International Conference on Information Fusion (FUSION), July 2016, pp. 379–385.
4. A. Brajdic, R. Harle, “Walk detection and step counting on unconstrained smartphones,” in Proceedings of the 2013 ACM international joint conference on Pervasive and ubiquitous computing, September, 2013, pp. 225–234. https://doi.org/10.1145/2493432.2493449
2021-04-28T00:00:00Z