معرفی دوره

در این دورهٔ جامع، به طراحی و پیاده‌سازی یک خودرو خودران با استفاده از ROS2 (Robot Operating System 2)، شبکه‌های عصبی عمیق و تکنیک‌های بینایی کامپیوتری می‌پردازیم. هدف این دوره، تجهیز دانشجویان به مهارت‌های عملی و نظری لازم برای توسعه سیستم‌های خودران و هوشمند در پروژه‌های واقعی است. نسخه 2024-7 این دوره شامل آخرین کتابخانه‌ها و ابزارهای مدرن از جمله OpenCV، PCL، PyTorch و TensorFlow می‌شود. همهٔ ماژول‌ها به همراه مثال‌های کاربردی و تمرین‌های تعاملی ارائه شده‌اند تا تجربهٔ یادگیری جذاب و اثربخش باشد.

آنچه دانشجو یاد می‌گیرد

• راه‌اندازی محیط توسعه ROS2 بر روی Ubuntu و Windows
• طراحی معماری پیام‌رسانی ROS2 با استفاده از Topics، Services و Actions
• پردازش تصویر در زمان واقعی با OpenCV و Point Cloud Library (PCL)
• ساخت، آموزش و ارزیابی شبکه‌های عصبی عمیق در PyTorch و TensorFlow
• پیاده‌سازی الگوریتم‌های تشخیص شیء و دنبال کردن مسیر (Object Detection & Tracking)
• برنامه‌ریزی مسیر و کنترل حرکت خودرو با استفاده از SLAM و Path Planning
• یکپارچه‌سازی سنسورها شامل LiDAR، دوربین و IMU در بستر ROS2
• استقرار نهایی روی رزبری‌پای و تست در محیط واقعی

مزایای دوره

این دوره به گونه‌ای طراحی شده که علاوه بر مفاهیم تئوری، روی پیاده‌سازی عملی تمرکز دارد. از مزایای برجسته آن می‌توان به موارد زیر اشاره کرد:

• دوره پروژه‌محور: هر بخش با یک پروژه عملی همراه است تا دانشجو از همان ابتدا با چالش‌های واقعی مواجه شود.
• بروزترین ابزارها: استفاده از ROS2 Foxy و Galactic و کتابخانه‌های به‌روز بینایی و یادگیری عمیق.
• جامعیت: ترکیب مباحث رباتیک، بینایی کامپیوتری و یادگیری ماشین در یک پکیج واحد.
• پشتیبانی آموزشی: امکان پرسش و پاسخ در انجمن دوره و دریافت بازخورد از مدرس.
• قابل دریافت رایگان: تهیهٔ کامل دوره بدون هزینه اضافی از طریق روش‌های رایج دانلود نرم‌افزار.

پیش‌نیازها

برای بهره‌برداری کامل از دوره، داشتن دانش پایه‌ای در زمینه‌های زیر توصیه می‌شود:

• مبانی زبان برنامه‌نویسی Python
• آشنایی مقدماتی با لینوکس و خط فرمان (CLI)
• آشنایی مقدماتی با شبکه‌های عصبی و الگوریتم‌های یادگیری ماشین
• داشتن کامپیوتر با حداقل 8 گیگابایت رم و درایور گرافیکی مناسب برای شتاب‌دهی

هریک از این پیش‌نیازها در بخش‌های کوتاهی به صورت مروری توضیح داده شده تا دانشجو بدون مشکل وارد فضای اصلی دوره شود.

فصل‌ها و سرفصل‌های دوره

دوره در 8 فصل اصلی تدوین شده است که در ادامه مرور کوتاهی بر هر کدام می‌آوریم:

• فصل 1: مقدمات ROS2 و نصب محیط
  آموزش نصب Ubuntu، ROS2 Foxy/Galactic، VS Code و راه‌اندازی اولین نودها.
• فصل 2: ساختار پیام‌ها و ارتباط در ROS2
  استفاده از Topics، Services، Actions و ایجاد پیام‌های سفارشی.
• فصل 3: شبیه‌سازی خودرو در Gazebo
  ایجاد دنیای شبیه‌سازی، مدل‌سازی URDF و کنترل ساده با Teleop.
• فصل 4: بینایی کامپیوتری با OpenCV و PCL
  تشخیص لبه، فیلترینگ، پردازش نقطه‌ابری و استخراج ویژگی‌ها.
• فصل 5: یادگیری عمیق با PyTorch و TensorFlow
  ساخت مدل‌های CNN برای تشخیص شیء و طبقه‌بندی تصاویر دوربین خودرو.
• فصل 6: مسیریابی و برنامه‌ریزی حرکت
  الگوریتم‌های SLAM، A*، Dijkstra و طراحی کنترلر PID.
• فصل 7: یکپارچه‌سازی نهایی و تست
  متصل کردن همهٔ ماژول‌ها، استریم دوربین، داده‌های LiDAR و اجرای سکانس‌های آزمایشی.
• فصل 8: استقرار در سخت‌افزار واقعی
  کانفیگ رزبری‌پای، کالیبراسیون سنسورها و اجرای خودرو خودران در محیط باز.

مثال‌های عملی و پروژه‌ها

در هر فصل، پروژه‌های کوچک ولی کاربردی تعریف شده‌اند تا مفاهیم به سرعت در ذهن تثبیت شود. مثلاً:

• ردیابی خط: با استفاده از OpenCV، خط مشی فرضی روی زمین ردیابی می‌شود و خودرو طبق آن هدایت می‌گردد.
• تشخیص مانع: با ترکیب داده‌های LiDAR و دوربین، موانع شناسایی و فاصله‌گذاری به صورت خودکار انجام می‌شود.
• کنترل سریع: طراحی یک کنترلر PID برای حرکت نرم و بدون لرزش در پیچ‌ها.
• انگیزه یادگیری عمیق: آموزش یک شبکه ساده برای تشخیص تابلوهای راهنمایی و رانندگی شهری.

تمام کدها و فایل‌های موردنیاز در GitHub دوره بارگذاری شده و دانشجو می‌تواند با کلون کردن مخزن، به سرعت کار خود را شروع کند.

جمع‌بندی

دوره «خودرو خودران ROS2 با یادگیری عمیق و بینایی کامپیوتری 2024-7» یک بستهٔ کامل برای علاقه‌مندان به حوزه رباتیک و خودروهای خودران است. با طی کردن این مسیر آموزشی، قادر خواهید بود از پیاده‌سازی ساده نودهای ROS2 تا طراحی سیستم‌های پیشرفتهٔ بینایی و یادگیری عمیق را به صورت عملی تجربه کنید. همراه با مثال‌های واقعی، مستندات جامع و پشتیبانی مدرس، این فرصت را دارید تا مهارت‌های خود را به سطح بالاتری ارتقا دهید و در پروژه‌های صنعتی و تحقیقاتی شرکت کنید.