دوره تخصصی خودروهای خودران [ویدئو]

Self-Driving Car Specialization Course [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: سفر خود را با کاوش عمیق در اصول خودروهای خودران در ماژول اول آغاز کنید، جایی که در مورد تکامل، گونه‌شناسی و فناوری‌های کلیدی که خودروهای خودران را تعریف می‌کنند، آشنا خواهید شد. هر بخش ویدیویی یک چارچوب قوی ایجاد می‌کند که سطوح اتوماسیون، سخت‌افزار و نرم‌افزار مورد استفاده، و استانداردهای ایمنی حیاتی و اقداماتی را که بر این صنعت پیشرفته حاکم است را با جزئیات نشان می‌دهد. پیشرفت به قلمروهای تخصصی طراحی سیستم و سیستم‌های کنترل در ماژول‌های بعدی، جایی که کاربردهای عملی با دانش نظری روبرو می‌شوند. در اینجا، این دوره به طور پیچیده معماری سیستم‌های خودروهای خودران را شامل دیدگاه‌های سخت‌افزاری و نرم‌افزاری، و مکانیزم‌های کنترلی پیشرفته مانند کنترل‌کننده‌های PID، فیلترهای کالمن و سیستم‌های کروز کنترل تطبیقی ​​را بررسی می‌کند. ماژول‌های نهایی کاربرد بینایی کامپیوتر در رانندگی خودران و ادغام شبیه‌سازی‌های ROS را در بر می‌گیرند و رویکردی عملی برای درک و پیاده‌سازی این فناوری‌ها ارائه می‌دهند. از طریق این دوره، بینش هایی در مورد تشخیص اشیا، درک صحنه، و اجرای سیستم های ناوبری و اجتناب از برخورد به دست خواهید آورد، که به درک جامعی از چالش ها و راه حل های دنیای واقعی در فناوری خودروهای خودران ختم می شود. مفاهیم اساسی و فناوری های پشت خودروهای خودران را درک کنید طراحی و پیاده سازی معماری سیستم های پیچیده برای خودروهای خودران ایجاد مهارت در بینایی کامپیوتری و تشخیص اشیا استفاده از دانش سیستم های کنترل برای افزایش اتوماسیون و ایمنی خودرو ارزیابی عملکرد و ایمنی سیستم های خودمختار از طریق شبیه سازی و برنامه های کاربردی در دنیای واقعی این دوره برای علاقه مندان به فناوری های رباتیک و خودرو ایده آل است. پیش نیازها شامل درک اولیه از برنامه نویسی و علاقه شدید به فناوری های اتوماسیون و روباتیک است. تجربه قبلی با طراحی سیستم یا تئوری کنترل مفید خواهد بود اما اجباری نیست. از مفاهیم مقدماتی تا سیستم‌های پیشرفته، این دوره تمام جنبه‌های فناوری خودروهای خودران را پوشش می‌دهد * هر ماژول شامل مطالعات موردی و مثال‌های عملی است * آخرین فناوری‌ها در بینایی کامپیوتر، شبیه‌سازی‌های ROS و سیستم‌های کنترلی را که در خودروهای خودران محوری هستند کاوش کنید.

سرفصل ها و درس ها

ماژول 1 - معرفی ماشین خودران Module 1 - Self Driving Car Introduction

  • معرفی خودروی خودران (SDC). Self Driving Car(SDC) Introduction

  • تعریف ماشین خودران چیست؟ What Defines a Self Driving Car?

  • تکامل فن آوری های خودروهای خودران Evolution of Autonomous Car Technologies

  • سطوح اتوماسیون Levels of Automation

  • سخت افزار و نرم افزار پرکاربرد Commonly Used Hardware and Software

  • استانداردهای ایمنی برای رانندگی خودمختار Safety Standards for Autonomous Driving

  • اقدامات ایمنی Safety Measures

  • تیپولوژی خودروهای خودران Typology of Self Driving Cars

  • رویدادهای خودرو و تصمیم گیری Vehicle Events & Decision Making

ماژول 2 - طراحی سیستم خودروی خودران Module 2 - Self Driving Car System Design

  • بررسی اجمالی سخت افزار SDC SDC Hardware Overview

  • نرم افزار SDC SDC Software

  • معماری سیستم System Architecture

ماژول 3 - سیستم های کنترل Module 3 - Control Systems

  • مقدمه ای بر کنترل طولی Introduction to Longitudinal Control

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

  • کنترل کننده های مشتق انتگرال متناسب (PID). Proportional Integral Derivative (PID) Controllers

  • کنترل طولی با PID Longitudinal Control with PID

  • مقدمه ای بر فید فوروارد و کنترل بازخورد Introduction to Feedforward and Feedback Control

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

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

  • آشنایی با فیلترهای کالمن Introduction to Kalman Filters

  • اندازه گیری رادار Radar Measurement

  • ویژگی های فیلتر کالمن Features of Kalman Filters

  • چگونه کار می کند How does it Work

  • سیستم ناوبری خودرو Car Navigation System

  • مقدمه ای بر کروز کنترل تطبیقی Introduction to Adaptive Cruise Control

  • مزایا و محدودیت های ACC Advantages and Limitations of ACC

  • ACC مبتنی بر چشم انداز Vision Based ACC

  • تشخیص وسیله نقلیه مبتنی بر دید Vision Based Vehicle Detection

  • مطابقت الگوی ACC مبتنی بر دید Vision Based ACC Pattern Match

  • نقش ACC مبتنی بر چشم انداز Role of Vision Based ACC

  • بررسی مقاله در مورد کنترل کروز تطبیقی ​​مبتنی بر دید Paper Review on Vision-Based Adaptive Cruise Control

  • SLAM چیست What is SLAM

  • چرا همزمان Why Simultaneous

  • نقش نقشه برداری Role of Mapping

  • برآورد وضعیت چیست What is State Estimation

  • کاوش بومی سازی Exploring Localization

  • توضیح جریان کار Explanation of Work Flow

  • روشهای اجرا Methods of Implementation

  • مقدمه ای بر مدل سازی حرکت با پیش بینی حرکت آگاه Introduction to Modelling Motion with Motion Aware Prediction

  • پیش بینی حرکت - مورد نیاز Motion Prediction - Requirement

  • پیش‌بینی حرکت – پیچیدگی‌ها و راه‌حل قسمت 1 Motion Prediction – Complexities & Solution Part 1

  • پیش‌بینی حرکت – پیچیدگی‌ها و راه‌حل قسمت 2 Motion Prediction – Complexities & Solution Part 2

  • مدل پیش بینی سرعت ثابت Constant Velocity Prediction Model

  • مقدمه ای بر گنجاندن زمان تا برخورد (TTC) در تصمیم گیری Introduction to Incorporating time-to-collision (TTC) in Decision Making

  • زمان برخورد - الزامات Time to Collision – Requirements

  • زمان برخورد - اهمیت Time to Collision – Importance

  • رویکردهایی برای 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

  • مقدمه ای بر شبیه سازی در ROS Introduction to Simulation in ROS

  • چالش های رباتیک Challenges in Robotics

  • ROS - بدون ROS ROS – Without ROS

  • ROS - مفاهیم و مؤلفه‌ها - کتابخانه‌های مشتری ROS – Concepts & Components – Client Libraries

  • نصب ROS Installation of ROS

  • نحوه کار ROS در SDC How ROS Work in SDC

  • فیلتر کالمن خطی و غیر خطی Linear and Non Linear Kalman Filtering

ماژول 4 - بینایی کامپیوتر Module 4 - Computer Vision

  • مقدمه ای بر بینایی کامپیوتری برای درک صحنه جاده Introduction to Computer Vision for Road Scene Understanding

  • مقدمه ای بر تشخیص اشیا و تشخیص اشیاء دو بعدی Introduction to the Object Detection and 2D Object Detection

  • تشخیص اشیاء سه بعدی 3D Object Detection

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

  • ردیابی اشیا Object Tracking

  • تقسیم بندی معنایی برای تشخیص منطقه قابل رانندگی Semantic Segmentation for Detecting Drivable Area

  • تقسیم بندی - U-NET Segmentation - U-NET

  • HydraNets HydraNets

  • استریو ویژن و ابرهای نقطه ای Stereo Vision and Point Clouds

  • درک عمق دید در زمان واقعی در Jetson Nano Real-Time Vision Depth Perception on Jetson Nano

ماژول 5: شبیه سازی ROS Module 5: ROS Simulation

  • راه اندازی Gazebo Gazebo Setup

  • راه اندازی و نصب ROS2 ROS2 Setup and installation

  • مخازن منبع باز موجود است Open Source Repositories available

  • ادغام Gazebo ROS2 Gazebo ROS2 integration

  • راه اندازی Ros2 و Gazebo Ros2 and Gazebo setup

  • ساخت ماشین مدل Model car creation

  • ماشین های مدل موجود Model Cars available

  • راه اندازی راه ها Roads Initialization

  • نقشه برداری راه Road Mapping

  • ایجاد محیط اطراف جاده ها Creating an Environment around Roads

  • تقسیم بندی خطوط Lane Segmentation

  • طبقه بندی Classification

  • نسل های مناطق قطعی Generations of definitive areas

  • برآورد وضعیت State Estimation

  • مدل سازی حرکت با پیش بینی حرکت آگاه Modeling Motion with Motion Aware Prediction

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

  • LIDAR Sensing LIDAR Sensing

  • فیلتر کالمن خطی و غیر خطی Linear and Non Linear Kalman Filtering

  • الگوریتم ها Algorithms

  • برآورد وضعیت کنترل کروز تطبیقی ​​مبتنی بر دید Vision-based Adaptive Cruise Control State Estimation

  • پیاده سازی بومی سازی Localisation Implementation

ماژول 6 - پیاده سازی Jetbot - یکپارچه سازی و آزمایش Module 6 - Jetbot Implementation - Integration & Experimentation

  • راه اندازی نانو جتسون Jetson Nano Setup

  • مونتاژ سخت افزار Jetbot Jetbot hardware assembly

  • عملیات دور حرکتی پایه Basic Motion Teleoperations

  • جلوگیری از برخورد محلی سازی در Jetbot. Collision Avoidance. Localization on Jetbot.

  • دنبال کردن جاده Road Following

  • دنبال شی Object Following

  • درک عمق دید در زمان واقعی در Jetson Nano یکپارچه سازی فید زمان واقعی با مدل های ساخته شده تست یکپارچه سازی با موارد آزمایشی. Real-Time Vision Depth Perception on Jetson Nano Integrating real time feed with built models Testing integration with test cases.

  • آزمایش سیستم JetBot ما در محیط IRL Testing our JetBot System in an IRL environment

نمایش نظرات

دوره تخصصی خودروهای خودران [ویدئو]
جزییات دوره
6h 42m
95
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ritesh Kanjee Ritesh Kanjee

استارت آپ های تقویت شده بیش از 8 سال تجربه در طراحی برد مدار چاپی (PCB) و همچنین در پردازش تصویر و کنترل جاسازی شده دارند. نویسنده Ritesh Kanjee مدرک کارشناسی ارشد خود را در مهندسی الکترونیک به پایان رسانده است و دو مقاله در پایگاه داده IEEE منتشر کرده است که یکی به نام "Cruise Control تطبیقی ​​مبتنی بر دید با استفاده از تطبیق الگو" و دیگری به نام "یک چارچوب تشخیص خودرو سه مرحله ای برای تخمین برد با استفاده از یک" دوربین تک" (در Google Scholar). کار او در LabVIEW پیاده سازی شد. او به عنوان یک مهندس الکترونیک جاسازی شده در تحقیقات دفاعی کار می کند و دارای تجربه در طراحی FPGA با برنامه نویسی در VHDL و Verilog است. او همچنین در زمینه واقعیت افزوده و یادگیری ماشین تخصص دارد که در آن باید فناوری‌های جدید را از طریق رسانه ویدیو معرفی کند.

Augmented AI Augmented AI

در هوش مصنوعی افزوده، آنها پیشگامان آموزش هوش مصنوعی هستند و دوره های پیشرفته ای را ارائه می دهند که فناوری هایی مانند هوش مصنوعی مولد، LLMs (مدل های زبان بزرگ)، روباتیک، هواپیماهای بدون سرنشین و هوش مصنوعی لبه را ادغام می کند. هدف آن‌ها دموکراتیک کردن دسترسی به این فناوری‌های پیشرفته، توانمندسازی افراد و سازمان‌ها برای موفقیت در چشم‌انداز سریع هوش مصنوعی است. آنها بیش از 114 هزار مشترک را در یوتیوب جذب می کنند و 43 هزار دنبال کننده لینکدین خود را در آخرین اخبار هوش مصنوعی به روز نگه می دارند.