مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار(ADS)دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آینده با کارایی بالاتر و تجربیات راحت ارائه می دهند. با این حال, ادراک و حس در شرایط آب و هوایی نامساعد،چالشی است که ممکن است موانعی را برای رانندگی خودکار ایحاد کند. این مقاله به بررسی تاثیرات و چالش هایی کهشرایط آب و هوایی بر سنسورهای ADS ایجاد می کنده به صورت سیستماتیک می پردازد و راه حل های مقابله با اینچالش ها را بررسی می کند.در این مقاله، الگوریتم های پیشرفته و روش های یادگیری عمیق جهت افزایش ادراک در شرایط مختلف آب و هوا،طبقه بندی وضعیت آب و هوا، و سنجش از راه دور به طور جامع گزارش شده اند. وسایل نقلیه خودمختار در حال تبدیلشدن به مرکزی برای آینده تحرک هستند و پیشرفت در یادگیری عمیق این تحول را پشتیبانی می کند. عملکرد یکسیستم خودران به شدت به کیفیت کارادراک بستگی دارد. پیشرفت ها در فناوری های حسگر، منجر به افزایش دردسترس بودن اسکنرهای سه بعدی مانند LiDAR شده است. این اسکنرها امکان نمایش دقیق تری از محیط اطرافخودرو را فراهم می کنند و به سیستم های ایمنی تسریع می بخشند. توسعه سریع این فناوری و افزایش مطالعاتتحقیقاتی در زمینه سیستم های خودران از اوایل دهه ۲۰۱۰، منجر به افزایش چشمگیر در تعداد و روش های نوینتشخیص اشیاء شده است.این مقاله به بررسی ادبیات موجود در زمینه تشخیص اشیاء با استفاده از داده های LiDARدر حوزه خودرانی می پردازد و روشی سیستماتیک برای تجزیه و تحلیل این اطلاعات ارائه می دهد.