اپلیکیشن اندرویدی فلش‌کارت آموزشی تلفیق داده‌های نقشه‌برداری و دید ماشین: درک محیط اطراف خودرو

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تلفیق داده‌های نقشه‌برداری و دید ماشین: درک محیط اطراف خودرو

موضوع کلی: خودروهای خودران و حمل و نقل هوشمند

موضوع میانی: نقشه‌برداری و موقعیت‌یابی

📋 سرفصل‌های دوره

• 1. فصل اول: مقدمه ای بر تلفیق داده های نقشه‌برداری و دید ماشین
• 2. فصل دوم: مبانی نقشه‌برداری برای خودروهای خودران
• 3. فصل سوم: سنسورهای نقشه‌برداری: لیدار، رادار، GPS
• 4. فصل چهارم: پردازش داده های لیدار
• 5. فصل پنجم: پردازش داده های رادار
• 6. فصل ششم: پردازش سیگنال GPS
• 7. فصل هفتم: مقدمه ای بر بینایی ماشین
• 8. فصل هشتم: پردازش تصویر پایه
• 9. فصل نهم: تشخیص لبه و گوشه
• 10. فصل دهم: استخراج ویژگی های کلیدی
• 11. فصل یازدهم: روش های توصیف ویژگی: SIFT، SURF، ORB
• 12. فصل دوازدهم: تطبیق ویژگی
• 13. فصل سیزدهم: کالیبراسیون دوربین
• 14. فصل چهاردهم: هندسه اساسی و تانسور اپی پولار
• 15. فصل پانزدهم: بازسازی سه بعدی از تصاویر تکی
• 16. فصل شانزدهم: بازسازی سه بعدی از جفت تصاویر
• 17. فصل هفدهم: بازسازی سه بعدی از دنباله تصاویر (SfM)
• 18. فصل هجدهم: تخمین حرکت دوربین
• 19. فصل نوزدهم: نقشه برداری رنگی و بافت
• 20. فصل بیستم: مفاهیم استریو ویژن
• 21. فصل بیست و یکم: الگوریتم های disparity estimation
• 22. فصل بیست و دوم: تشخیص اشیاء در تصاویر
• 23. فصل بیست و سوم: شبکه های عصبی کانولوشنال (CNN)
• 24. فصل بیست و چهارم: معماری های پیشرو CNN برای تشخیص اشیاء
• 25. فصل بیست و پنجم: تشخیص اشیاء در زمان واقعی
• 26. فصل بیست و ششم: بخش بندی معنایی تصاویر
• 27. فصل بیست و هفتم: بخش بندی بصری تصاویر
• 28. فصل بیست و هشتم: تخمین عمق از تصاویر تکی
• 29. فصل بیست و نهم: تخمین عمق از جفت تصاویر استریو
• 30. فصل سی ام: تلفیق داده های نقشه‌برداری و دید ماشین
• 31. فصل سی و یکم: اهمیت تلفیق داده ها
• 32. فصل سی و دوم: رویکردهای کلی تلفیق داده ها
• 33. فصل سی و سوم: روش های زمانی برای تلفیق
• 34. فصل سی و چهارم: روش های فضایی برای تلفیق
• 35. فصل سی و پنجم: فیلتر کالمن و فیلتر ذرات
• 36. فصل سی و ششم: فیلتر کالمن گسترده (EKF)
• 37. فصل سی و هفتم: فیلتر کالمن بدون طعم (UKF)
• 38. فصل سی و هشتم: فیلتر ذرات برای تخمین حالت
• 39. فصل سی و نهم: تلفیق داده های لیدار و دوربین
• 40. فصل چهلم: همترازی فضایی داده های لیدار و دوربین
• 41. فصل چهل و یکم: استقراء فضایی لیدار بر روی تصاویر
• 42. فصل چهل و دوم: نگاشت اطلاعات لیدار به فضای تصویر
• 43. فصل چهل و سوم: نقشه برداری از اطلاعات تصویری به فضای لیدار
• 44. فصل چهل و چهارم: تلفیق داده های رادار و دوربین
• 45. فصل چهل و پنجم: مزایای تلفیق رادار و دوربین
• 46. فصل چهل و ششم: چالش های تلفیق رادار و دوربین
• 47. فصل چهل و هفتم: تلفیق داده های GPS و دوربین
• 48. فصل چهل و هشتم: استفاده از GPS برای بهبود تخمین دوربین
• 49. فصل چهل و نهم: تصحیح خطای GPS با استفاده از بینایی ماشین
• 50. فصل پنجاهم: تلفیق نقشه های از پیش ساخته شده با داده های سنسور
• 51. فصل پنجاه و یکم: نقشه های سمانتیک
• 52. فصل پنجاه و دوم: نقشه های پویا
• 53. فصل پنجاه و سوم: نقشه های احتمالاتی
• 54. فصل پنجاه و چهارم:SLAM (موقعیت یابی و نقشه برداری همزمان)
• 55. فصل پنجاه و پنجم: SLAM مبتنی بر لیدار
• 56. فصل پنجاه و ششم: SLAM مبتنی بر دوربین
• 57. فصل پنجاه و هفتم: SLAM مبتنی بر سنسور فیوژن
• 58. فصل پنجاه و هشتم: تخمین وضعیت در SLAM
• 59. فصل پنجاه و نهم: ایجاد نقشه در SLAM
• 60. فصل شصتم: دقت در SLAM
• 61. فصل شصت و یکم: حذف نویز و تصحیح خطا
• 62. فصل شصت و دوم: فیلترهای نویز تصویر
• 63. فصل شصت و سوم: روش های حذف داده های پرت
• 64. فصل شصت و چهارم: تصحیح انحراف و اعوجاج سنسور
• 65. فصل شصت و پنجم: تلفیق داده ها برای ادراک محیطی
• 66. فصل شصت و ششم: تشخیص موانع
• 67. فصل شصت و هفتم: تشخیص خطوط جاده
• 68. فصل شصت و هشتم: تشخیص علائم راهنمایی و رانندگی
• 69. فصل شصت و نهم: تشخیص عابر پیاده و دوچرخه سوار
• 70. فصل هفتادم: درک رفتار سایر کاربران جاده
• 71. فصل هفتاد و یکم: پیش بینی مسیر حرکت
• 72. فصل هفتاد و دوم: تشخیص حالت و قصد
• 73. فصل هفتاد و سوم: سیستم های تشخیص اشیاء سه بعدی
• 74. فصل هفتاد و چهارم: تشخیص اشیاء از داده های لیدار
• 75. فصل هفتاد و پنجم: تشخیص اشیاء از داده های دوربین
• 76. فصل هفتاد و ششم: تشخیص اشیاء از داده های تلفیقی
• 77. فصل هفتاد و هفتم: صحه گذاری و اعتبارسنجی نقشه ها
• 78. فصل هفتاد و هشتم: معیارهای ارزیابی نقشه ها
• 79. فصل هفتاد و نهم: ارزیابی نقشه های از پیش ساخته شده
• 80. فصل هشتادم: ارزیابی نقشه های تولید شده در زمان واقعی
• 81. فصل هشتاد و یکم: کاربردهای تلفیق داده ها در ناوبری خودران
• 82. فصل هشتاد و دوم: برنامه ریزی مسیر
• 83. فصل هشتاد و سوم: کنترل خودرو
• 84. فصل هشتاد و چهارم: تصمیم گیری در سناریوهای پیچیده
• 85. فصل هشتاد و پنجم: ایمنی در سیستم های خودران
• 86. فصل هشتاد و ششم: تشخیص خطا و بازیابی
• 87. فصل هشتاد و هفتم: قابلیت اطمینان سیستم
• 88. فصل هشتاد و هشتم: اخلاق و حریم خصوصی در جمع آوری داده
• 89. فصل هشتاد و نهم: چالش های آینده در تلفیق داده ها
• 90. فصل نودم: هوش مصنوعی و یادگیری عمیق در تلفیق داده ها
• 91. فصل نود و یکم: یادگیری تقویتی برای تلفیق داده ها
• 92. فصل نود و دوم: شبکه های مولد تخاصمی (GAN)
• 93. فصل نود و سوم: پردازش ابری و لبه برای تلفیق داده ها
• 94. فصل نود و چهارم: استانداردسازی داده ها و پروتکل ها
• 95. فصل نود و پنجم: ارزیابی عملکرد در شرایط آب و هوایی مختلف
• 96. فصل نود و ششم: ارزیابی عملکرد در شرایط نوری متغیر
• 97. فصل نود و هفتم: مقیاس پذیری سیستم های تلفیق داده
• 98. فصل نود و هشتم: هزینه پیاده سازی و نگهداری
• 99. فصل نود و نهم: روندها و چشم اندازهای آینده
• 100. فصل صدم: نتیجه گیری: آینده درک محیطی خودرو