🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ROS2 ابر نقاط برای خودروهای خودران با استفاده از PCL
- آخرین آپدیت
دانلود ROS2 Point Clouds For Autonomous Self Driving Car using PCL
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
به دوره آموزشی ما در مورد Point Clouds خوش آمدید! در این دوره، ما دنیای هیجانانگیز نقشهبرداری سهبعدی و تشخیص اشیاء را با استفاده از ابر نقاط (point clouds) بررسی خواهیم کرد.
ما با RTAB-Map، یک تکنیک قدرتمند برای ایجاد نقشههای سهبعدی دقیق با استفاده از دوربینهای RGB-D شروع میکنیم. از طریق پروژههای عملی، یاد خواهید گرفت که چگونه از این تکنیک برای تولید ابر نقاط با کیفیت بالا از دادههای خود استفاده کنید.
سپس، به مجموعه داده کیتی (Kitti Dataset) میپردازیم و نحوه استفاده از لیدارهای سهبعدی برای تشخیص اشیاء را بررسی میکنیم. ما به شما آموزش خواهیم داد که چگونه از تکنیکهای پیشرفته برای تشخیص اشیاء در زمان واقعی، مانند بخشبندی و خوشهبندی مبتنی بر لیدار استفاده کنید.
ما همچنین ROS2، یک ابزار ضروری برای تجسم و پردازش دادههای ابر نقطه را پوشش خواهیم داد. با ROS2، نحوه استفاده از rviz و PCL را برای ایجاد تجسمهای خیرهکننده و تجزیه و تحلیل دادههای ابر نقطه خود با سهولت یاد خواهید گرفت.
علاوه بر این، ما بخشبندی استوانهای و مسطحاتی را بررسی خواهیم کرد، دو تکنیک مهم برای استخراج اطلاعات معنیدار از دادههای ابر نقطه شما. از طریق یک سری تمرینهای عملی، یاد خواهید گرفت که چگونه از این تکنیکها برای شناسایی و طبقهبندی دقیق اشیاء در ابر نقاط خود استفاده کنید.
بخشها :
درک اولیه دادهها در CPP
الگوریتمها و بخشبندی ابر نقاط
پردازش لیدار سهبعدی در دنیای واقعی (به زودی)
نتایج پس از این دوره : شما میتوانید
1. درک ساختارهای داده و الگوریتمهای اساسی در زبان برنامهنویسی CPP، که برای پیادهسازی برنامههای بینایی ماشین و یادگیری ماشین ضروری است.
2. مهارت در پیادهسازی الگوریتمها و تکنیکهای بخشبندی ابر نقاط که معمولاً در برنامههای بینایی ماشین مانند تشخیص اشیاء، بازسازی صحنه و رباتیک استفاده میشوند.
3. توانایی پردازش دادههای لیدار سهبعدی دنیای واقعی، که برای برنامههای وسایل نقلیه خودران و سایر برنامههای رباتیک که شامل حسگر و ادراک میشوند، ضروری است.
نمایش نظرات