مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم‌های رانندگی خودکار) ( adsدامنه‌ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل و نقل آینده با کارایی بالاتر و تجربیات راحت ارائه می‌دهند. با این حال، ادراک و حس در شرایط آب و هوایی نامساعد، چالشی است که ممکن است موانعی را برای رانندگی خودکار ایجاد کند. این مقاله به بررسی تاثیرات و چالش‌هایی که شرایط آب و هوایی بر سنسورهای ads ایجاد می‌کند، به صورت سیستماتیک می‌پردازد و راه‌حل‌های مقابله با این چالش‌ها را بررسی می‌کند. در این مقاله، الگوریتم‌های پیشرفته و روش‌های یادگیری عمیق جهت افزایش ادراک در شرایط مختلف آب و هوا، طبقه‌بندی وضعیت آب و هوا، و سنجش از راه دور به طور جامع گزارش شده‌اند. وسایل نقلیه خودمختار در حال تبدیل شدن به مرکزی برای آینده تحرک هستند و پیشرفت در یادگیری عمیق این تحول را پشتیبانی می‌کند. عملکرد یک سیستم خودران به شدت به کیفیت کارادراک بستگی دارد.پیشرفت‌ها در فناوری‌های حسگر، منجر به افزایش در دسترس بودن اسکنرهای سه‌بعدی مانند lidar شده است. این اسکنرها امکان نمایش دقیق‌تری از محیط اطراف خودرو را فراهم می‌کنند و به سیستم‌های ایمنی تسریع می‌بخشند. توسعه سریع این فناوری و افزایش مطالعات تحقیقاتی در زمینه سیستم‌های خودران از اوایل دهه 2010، منجر به افزایش چشمگیر در تعداد و روش‌های نوین تشخیص اشیاء شده است.این مقاله به بررسی ادبیات موجود در زمینه تشخیص اشیاء با استفاده از داده‌های lidar در حوزه خودرانی می‌پردازد و روشی سیستماتیک برای تجزیه و تحلیل این اطلاعات ارائه می‌دهد.