An in-depth evaluation of deep learning-enabled adaptive approaches for detecting obstacles using sensor-fused data in autonomous vehicles

计算机科学 深度学习 人工智能 自主学习 实时计算 机器学习 计算机视觉 数学 数学教育
作者
Abhishek Thakur,Sudhanshu K. Mishra
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:133: 108550-108550 被引量:2
标识
DOI:10.1016/j.engappai.2024.108550
摘要

This paper delivers an exhaustive analysis of the fusion of multi-sensor technologies, including traditional sensors such as cameras, Light Detection and Ranging(LiDAR), Radio Detection and Ranging(RADAR), and ultrasonic sensors, with Artificial Intelligence(AI) powered methodologies in obstacle detection for Autonomous Vehicles(AVs). With the growing momentum in AVs adoption, a heightened need exists for versatile and resilient obstacle detection systems. Our research delves into study of literatures, where proposed approaches assimilate data from this diverse sensor suite, integrated through Deep Learning(DL) techniques, to refine AV performance. Recent advancements and prevailing challenges within the domain are thoroughly examined, with particular focus on the integration of sensor fusion techniques, the facilitation of real-time processing via edge and fog computing, and the implementation of advanced artificial intelligence architectures, including Convolutional Neural Networks(CNNs), Recurrent Neural Networks(RNNs), and Generative Adversarial Networks(GANs), to enhance data interpretation efficacy. In conclusion, the paper underscores the critical contribution of multi-sensor arrays and deep learning in enhancing the safety and reliability of autonomous vehicles, offering significant perspectives for future research and technological progress.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
辰昇一发布了新的文献求助10
刚刚
Glowing发布了新的文献求助10
刚刚
陈乐宁2024发布了新的文献求助10
1秒前
先吃饭吧完成签到 ,获得积分10
1秒前
zz关闭了zz文献求助
2秒前
李爱国应助刘禧萱采纳,获得10
2秒前
xiao双月发布了新的文献求助10
2秒前
shaft完成签到,获得积分10
3秒前
椰子熟了耶完成签到 ,获得积分10
3秒前
自来也完成签到,获得积分10
3秒前
天竹子发布了新的文献求助10
4秒前
4秒前
4秒前
ruby发布了新的文献求助10
5秒前
tang应助ppplll采纳,获得20
5秒前
SciGPT应助周丑采纳,获得30
6秒前
7秒前
7秒前
羊咩咩哒完成签到,获得积分10
7秒前
7秒前
crazzzzzy完成签到,获得积分10
8秒前
8秒前
不配.应助彩色毛巾采纳,获得10
8秒前
张颖完成签到,获得积分10
9秒前
科研通AI2S应助科研通管家采纳,获得10
9秒前
小李李李李李完成签到,获得积分10
9秒前
9秒前
不配.应助科研通管家采纳,获得10
9秒前
9秒前
吴所畏惧发布了新的文献求助10
9秒前
Lucas应助科研通管家采纳,获得10
9秒前
NexusExplorer应助科研通管家采纳,获得10
9秒前
深情安青应助科研通管家采纳,获得10
9秒前
不配.应助科研通管家采纳,获得10
9秒前
科目三应助科研通管家采纳,获得10
9秒前
9秒前
传奇3应助科研通管家采纳,获得10
10秒前
JamesPei应助科研通管家采纳,获得10
10秒前
科研通AI2S应助科研通管家采纳,获得10
10秒前
枯木逢春应助科研通管家采纳,获得10
10秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
中国心血管健康与疾病报告2023(要完整的报告) 500
Ожившие листья и блуждающие цветы. Практическое руководство по содержанию богомолов [Alive leaves and wandering flowers. A practical guide for keeping praying mantises] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3102053
求助须知:如何正确求助?哪些是违规求助? 2753346
关于积分的说明 7623434
捐赠科研通 2406027
什么是DOI,文献DOI怎么找? 1276521
科研通“疑难数据库(出版商)”最低求助积分说明 616877
版权声明 599103