مروري بر تكنيك هاي هوش مصنوعي در خودروهاي الكتريكي خودران

سيستم‌هاي رانندگي خودكار) ( ADSدامنه‌اي جديد براي صنعت خودرو باز كرده و امكانات نويني را براي حمل و نقل آينده با كارايي بالاتر و تجربيات راحت ارائه مي‌دهند. با اين حال، ادراك و حس در شرايط آب و هوايي نامساعد، چالشي است كه ممكن است موانعي را براي رانندگي خودكار ايجاد كند. اين مقاله به بررسي تأثيرات و چالش‌هايي كه شرايط آب و هوايي بر سنسورهاي ADS ايجاد مي‌كند، به صورت سيستماتيك مي‌پردازد و راه‌حل‌هاي مقابله با اين چالش‌ها را بررسي مي‌كند. در اين مقاله، الگوريتم‌هاي پيشرفته و روش‌هاي يادگيري عميق جهت افزايش ادراك در شرايط مختلف آب و هوا، طبقه‌بندي وضعيت آب و هوا، و سنجش از راه دور به طور جامع گزارش شده‌اند. وسايل نقليه خودمختار در حال تبديل شدن به مركزي براي آينده تحرك هستند و پيشرفت در يادگيري عميق اين تحول را پشتيباني مي‌كند. عملكرد يك سيستم خودران به شدت به كيفيت كارادراك بستگي دارد.پيشرفت‌ها در فناوري‌هاي حسگر، منجر به افزايش در دسترس بودن اسكنرهاي سه‌بعدي مانند LiDAR شده است. اين اسكنرها امكان نمايش دقيق‌تري از محيط اطراف خودرو را فراهم مي‌كنند و به سيستم‌هاي ايمني تسريع مي‌بخشند. توسعه سريع اين فناوري و افزايش مطالعات تحقيقاتي در زمينه سيستم‌هاي خودران از اوايل دهه 2010، منجر به افزايش چشمگير در تعداد و روش‌هاي نوين تشخيص اشياء شده است.اين مقاله به بررسي ادبيات موجود در زمينه تشخيص اشياء با استفاده از داده‌هاي LiDAR در حوزه خودراني مي‌پردازد و روشي سيستماتيك براي تجزيه و تحليل اين اطلاعات ارائه مي‌دهد.