该研究提出了一种新的方法来解决自主车辆感知系统中相机和雷达传感器融合的三维物体检测问题。该方法利用深度学习和跨域空间匹配提高物体检测性能，并与其他方法进行了比较。结果显示该方法在单传感器解决方案上表现出优异性能。

本文介绍了一种实时多人姿态估计系统，能够处理遮挡、适应全景相机和雷达传感器。系统使用轻量级算法，在室内外环境中表现准确。时间复杂度恒定，可在商用GPU笔记本上达到7-8帧每秒的帧率。

该研究提出了一种基于小波的多尺度深度学习网络，用于改进基于飞机雷达传感器创建的回波图中深雪层的检测。实验结果表明，该网络可以提高F分数。Skip-WaveNet网络具有更高的泛化能力，并以较高的精度估计层深，可用于追踪深雪层、评估冰盖表面质量平衡和预测全球海平面上升。