آموزش دوره تخصصی خودروهای خودران - آخرین آپدیت

دانلود Self-Driving Car Specialization Course

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و بلادرنگ که به شما کمک می‌کند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. با این تخصص جامع، سفری تحول‌آفرین به دنیای پیشرفته خودروهای خودران آغاز کنید. مفاهیم اصلی، فناوری‌ها و سیستم‌هایی را که خودروهای خودمختار را به واقعیت تبدیل می‌کنند، بیاموزید. از اصول بنیادی تا تصمیم‌گیری‌های پیشرفته، این دوره شما را به تخصص لازم برای طراحی، پیاده‌سازی و آزمایش فناوری‌های خودروهای خودران مجهز می‌کند. دوره با معرفی خودروهای خودمختار، بررسی تاریخچه، سطوح اتوماسیون و اجزای ضروری سخت‌افزاری و نرم‌افزاری آغاز می‌شود. سپس به طراحی سیستم و سیستم‌های کنترل می‌پردازید و در موضوعات کلیدی مانند کنترل‌کننده‌های PID، کنترل پیش‌خور (Feedforward) و بازخورد (Feedback)، فیلترهای کالمن و محاسبات زمان تا برخورد (TTC) تسلط می‌یابید. در تکنیک‌های بینایی ماشین، از جمله تشخیص اشیاء، بخش‌بندی معنایی (Semantic Segmentation) و ادراک عمق که برای ناوبری ایمن و دقیق حیاتی هستند، عمیق شوید. در شبیه‌سازی‌های عملی با ROS و Gazebo شرکت کنید، مدل‌ها را توسعه دهید، محیط‌ها را نقشه‌برداری کنید و پیش‌بینی حرکت را پیاده‌سازی نمایید. در نهایت، با پیاده‌سازی Jetbot، فناوری‌های پیشرفته‌ای مانند Jetson Nano را برای تست و بهینه‌سازی در دنیای واقعی ادغام کنید. این دوره برای مهندسان مشتاق، پژوهشگران و متخصصان حوزه رانندگی خودمختار ایده‌آل است. داشتن پیش‌زمینه در برنامه‌نویسی، رباتیک یا دینامیک خودرو مفید است اما الزامی نیست. مناسب برای زبان‌آموزان سطح متوسطی که مشتاق ورود به انقلاب خودروهای خودمختار هستند.

سرفصل ها و درس ها

ماژول ۱: مقدمه‌ای بر خودروهای خودران Module 1 - Self Driving Car Introduction

  • مقدمه‌ای بر خودروهای خودران (SDC) Self Driving Car(SDC) Introduction

  • چه چیزی یک خودرو را خودران تعریف می‌کند؟ What Defines a Self Driving Car?

  • تکامل فناوری‌های خودروهای خودمختار Evolution of Autonomous Car Technologies

  • سطوح اتوماسیون Levels of Automation

  • سخت‌افزارها و نرم‌افزارهای رایج Commonly Used Hardware and Software

  • استانداردهای ایمنی برای رانندگی خودمختار Safety Standards for Autonomous Driving

  • تدابیر ایمنی Safety Measures

  • گونه‌شناسی خودروهای خودران Typology of Self Driving Cars

  • رویدادهای خودرو و تصمیم‌گیری Vehicle Events & Decision Making

ماژول ۲: طراحی سیستم خودروهای خودران Module 2 - Self Driving Car System Design

  • مروری بر سخت‌افزار SDC SDC Hardware Overview

  • نرم‌افزارهای SDC SDC Software

  • معماری سیستم System Architecture

ماژول ۳: سیستم‌های کنترل Module 3 - Control Systems

  • مقدمه‌ای بر کنترل طولی Introduction to Longitudinal Control

  • مقدمه‌ای بر سیستم کنترل طولی و مبانی کنترل LTI Introduction to Longitudinal Control System and Basics of LTI Control

  • کنترل‌کننده‌های تناسبی انتگرالی مشتق‌گیر (PID) Proportional Integral Derivative (PID) Controllers

  • کنترل طولی با استفاده از PID Longitudinal Control with PID

  • مقدمه‌ای بر کنترل پیش‌خور و بازخورد Introduction to Feedforward and Feedback Control

  • اهمیت کنترل پیش‌خور و بازخورد Importance of Feedforward and Feedback Control

  • کنترل پیش‌خور و خودروهای خودران Feedforward Control and Self-Driving Car

  • مقدمه‌ای بر فیلترهای کالمن Introduction to Kalman Filters

  • اندازه‌گیری راداری Radar Measurement

  • ویژگی‌های فیلترهای کالمن Features of Kalman Filters

  • نحوه عملکرد فیلتر کالمن How does it Work

  • سیستم ناوبری خودرو Car Navigation System

  • مقدمه‌ای بر کنترل کروز تطبیقی (ACC) Introduction to Adaptive Cruise Control

  • مزایا و محدودیت‌های ACC Advantages and Limitations of ACC

  • ACC مبتنی بر بینایی Vision Based ACC

  • تشخیص خودرو مبتنی بر بینایی Vision Based Vehicle Detection

  • تطبیق الگو در ACC مبتنی بر بینایی Vision Based ACC Pattern Match

  • نقش ACC مبتنی بر بینایی Role of Vision Based ACC

  • بررسی مقاله کنترل کروز تطبیقی مبتنی بر بینایی Paper Review on Vision-Based Adaptive Cruise Control

  • SLAM چیست؟ What is SLAM

  • چرا مکان‌یابی و نقشه‌برداری همزمان؟ Why Simultaneous

  • نقش نقشه‌برداری Role of Mapping

  • تخمین وضعیت چیست؟ What is State Estimation

  • بررسی مکان‌یابی (Localization) Exploring Localization

  • توضیح جریان کاری Explanation of Work Flow

  • روش‌های پیاده‌سازی Methods of Implementation

  • مقدمه‌ای بر مدل‌سازی حرکت با پیش‌بینی آگاه از حرکت Introduction to Modelling Motion with Motion Aware Prediction

  • الزامات پیش‌بینی حرکت Motion Prediction - Requirement

  • پیش‌بینی حرکت – پیچیدگی‌ها و راهکارها (بخش اول) Motion Prediction – Complexities & Solution Part 1

  • پیش‌بینی حرکت – پیچیدگی‌ها و راهکارها (بخش دوم) Motion Prediction – Complexities & Solution Part 2

  • مدل پیش‌بینی سرعت ثابت Constant Velocity Prediction Model

  • مقدمه‌ای بر گنجاندن زمان تا برخورد (TTC) در تصمیم‌گیری Introduction to Incorporating time-to-collision (TTC) in Decision Making

  • الزامات زمان تا برخورد Time to Collision – Requirements

  • اهمیت زمان تا برخورد Time to Collision – Importance

  • رویکردهای محاسبه TTC Approaches to Calculate TTC

  • نقاط ضعف و قوت رویکردهای TTC Weakness & Strengths of TTC Approaches

  • روش کارآمد تشخیص برخورد Efficient Collision Detection Method

  • مقدمه‌ای بر شبیه‌سازی در ROS Introduction to Simulation in ROS

  • چالش‌ها در رباتیک Challenges in Robotics

  • ROS – با و بدون ROS ROS – Without ROS

  • ROS – مفاهیم، اجزا و کتابخانه‌های کلاینت ROS – Concepts & Components – Client Libraries

  • نصب ROS Installation of ROS

  • نحوه عملکرد ROS در خودروهای خودران How ROS Work in SDC

  • فیلترینگ کالمن خطی و غیرخطی Linear and Non Linear Kalman Filtering

ماژول ۴: بینایی ماشین Module 4 - Computer Vision

  • مقدمه‌ای بر بینایی ماشین برای درک صحنه جاده Introduction to Computer Vision for Road Scene Understanding

  • مقدمه‌ای بر تشخیص اشیاء و تشخیص اشیاء دو بعدی Introduction to the Object Detection and 2D Object Detection

  • تشخیص اشیاء سه بعدی 3D Object Detection

  • تشخیص اشیاء با استفاده از یادگیری عمیق Object Detection using Deep Learning

  • ردیابی اشیاء Object Tracking

  • بخش‌بندی معنایی برای تشخیص ناحیه قابل رانندگی Semantic Segmentation for Detecting Drivable Area

  • بخش‌بندی U-NET Segmentation - U-NET

  • شبکه‌های HydraNets HydraNets

  • بینایی استریو و ابر نقاط (Point Clouds) Stereo Vision and Point Clouds

  • ادراک عمق بینایی بلادرنگ در Jetson Nano Real-Time Vision Depth Perception on Jetson Nano

ماژول ۵: شبیه‌سازی ROS Module 5: ROS Simulation

  • راه‌اندازی Gazebo Gazebo Setup

  • نصب و راه‌اندازی ROS2 ROS2 Setup and installation

  • مخازن متن‌باز موجود Open Source Repositories available

  • ادغام Gazebo و ROS2 Gazebo ROS2 integration

  • تنظیمات Ros2 و Gazebo Ros2 and Gazebo setup

  • ساخت مدل خودرو Model car creation

  • مدل‌های موجود خودرو Model Cars available

  • مقداردهی اولیه جاده‌ها Roads Initialization

  • نقشه‌برداری جاده Road Mapping

  • ایجاد محیط در اطراف جاده‌ها Creating an Environment around Roads

  • بخش‌بندی خطوط جاده Lane Segmentation

  • طبقه‌بندی Classification

  • تولید نواحی قطعی Generations of definitive areas

  • تخمین وضعیت State Estimation

  • مدل‌سازی حرکت با پیش‌بینی آگاه از حرکت Modeling Motion with Motion Aware Prediction

  • گنجاندن زمان تا برخورد (TTC) در تصمیم‌گیری و اجتناب از موانع Incorporating time-to-collision (TTC) in decision making, Obstacle avoidance

  • سنجش لایدار (LIDAR) LIDAR Sensing

  • فیلترینگ کالمن خطی و غیرخطی Linear and Non Linear Kalman Filtering

  • الگوریتم‌ها Algorithms

  • تخمین وضعیت کنترل کروز تطبیقی مبتنی بر بینایی Vision-based Adaptive Cruise Control State Estimation

  • پیاده‌سازی مکان‌یابی Localisation Implementation

ماژول ۶: پیاده‌سازی Jetbot، ادغام و آزمایش Module 6 - Jetbot Implementation - Integration & Experimentation

  • راه‌اندازی Jetson Nano Jetson Nano Setup

  • مونتاژ سخت‌افزاری Jetbot Jetbot hardware assembly

  • عملیات از راه دور حرکت پایه Basic Motion Teleoperations

  • اجتناب از برخورد و مکان‌یابی در Jetbot Collision Avoidance. Localization on Jetbot.

  • دنبال کردن جاده Road Following

  • دنبال کردن شیء Object Following

  • ادراک عمق بینایی بلادرنگ در Jetson Nano و ادغام مدل‌ها با ورودی زنده Real-Time Vision Depth Perception on Jetson Nano Integrating real time feed with built models Testing integration with test cases.

  • تست سیستم JetBot در محیط واقعی Testing our JetBot System in an IRL environment

نمایش نظرات

آموزش دوره تخصصی خودروهای خودران
جزییات دوره
9h 21m
95
(آخرین آپدیت)
857
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده