الدورة التدريبية: معالجة بيانات LiDAR المتقدمة واكتشاف الكائنات في الروبوتات

المقدمة

تهدف دورة معالجة البيانات المتقدمة الخاصة بتقنية LiDAR وكشف الكائنات في الروبوتات إلى تزويد المشاركين بالمعرفة العميقة والمهارات العملية المطلوبة للعمل بفعالية مع تقنية LiDAR ومعالجة بيانات السحابة النقطية لكشف الكائنات وتصنيفها في ثلاثة أبعاد. تركز هذه الدورة على أحدث التقنيات والأدوات والأطر العمل المتوفرة لتحليل بيانات LiDAR وتطبيقات الروبوتات.

أهداف الدورة

• فهم مواصفات ورقات بيانات LiDAR واختيار أفضل جهاز استشعار لمشروعك.
• اختيار أفضل جهاز استشعار LiDAR لتطبيق الروبوتات بناءً على متطلبات المشروع.
• أساسيات تقنية LiDAR.
• تشغيل ROS (نظام تشغيل الروبوت) للحصول على البيانات من الجهاز استشعار بشكل فوري.
• حفظ بيانات LiDAR في ملفات.
• مواصفات مستشعر LiDAR.
• تطوير رمز Python و C++ في ROS و PCL (مكتبة السحابة النقطية) للحصول على نتائج مفيدة من البيانات في الوقت الحقيقي في نظام الروبوتات.
• تصور وتطوير رمز AI/DNN للعمل مع بيانات السحابة النقطية لتشغيل كشف/تصنيف الكائنات في ثلاثة أبعاد.

محتوى الدورة

اليوم الأول

1. مقدمة في تقنية LiDAR

   • نظرة عامة على مبادئ وتطبيقات تقنية LiDAR
   • أنواع أجهزة استشعار LiDAR ومواصفاتها

2. اختيار جهاز استشعار LiDAR

   • فهم ورقات بيانات LiDAR والمواصفات التقنية
   • العوامل المراعية عند اختيار جهاز استشعار LiDAR لمشروع معين

3. إعداد الجهاز على نظام Linux

   • ربط جهاز استشعار LiDAR بأنظمة Linux
   • تثبيت وتكوين برامج التشغيل
   • استخدام أدوات العرض والتقاط المصنع

اليوم الثاني
4. الحصول على البيانات في الوقت الحقيقي باستخدام ROS

• مقدمة في نظام ROS ودوره في الروبوتات
• إعداد بيئة ROS للحصول على بيانات LiDAR
• تكوين حزم ROS لأجهزة استشعار LiDAR محددة

5. تخزين بيانات LiDAR
   • حفظ بيانات LiDAR في ملفات
   • تنسيقات الملفات لتخزين بيانات السحابة النقطية

اليوم الثالث
6. استكشاف البيانات وتصورها

• مقدمة في حزم Python لاستكشاف البيانات
• استخدام مفكرات الويب لتصور التفاعلي للبيانات
• استكشاف خصائص وخصائص بيانات LiDAR

اليوم الرابع
7. معالجة بيانات LiDAR باستخدام ROS و PCL

• مقدمة في مكتبة السحابة النقطية (PCL)
• تطوير رمز Python و C++ باستخدام ROS و PCL لتحليل البيانات في الوقت الحقيقي
• استخراج الميزات والمعلومات من بيانات السحابة النقطية

اليوم الخامس
8. كشف وتصنيف الكائنات في ثلاثة أبعاد

• مقدمة في الذكاء الاصطناعي (AI) وشبكات العصب العميق (DNN) لتحليل بيانات السحابة النقطية
• تصور خوارزميات كشف وتصنيف الكائنات لبيانات LiDAR
• تطوير وتدريب وتقييم نماذج AI/DNN لكشف الكائنات في الوقت الحقيقي في السحب النقطية ثلاثية الأبعاد