Ubicoders – Master the First Principles of Computer Vision 2026-4

در تاریخ: 1405/06/19 8:16:11

توضیحات

Master the First Principles of Computer Vision، دوره آموزش اصول بنیادین بینایی کامپیوتری توسط آکادمی Ubicoders منتشر شده است.این دوره اصول بنیادین بینایی کامپیوتری برای رباتیک را آموزش می‌دهد و شما را از پیکسل‌های خام تا عمق سه‌بعدی متریک، از طریق یک مسیر کاملاً شفاف و مبتنی بر هندسه هدایت می‌کند. در 29 درس و 6 فصل ساختارمند، تمام مراحل را خودتان می‌سازید: نمایش تصویر، ردیابی رنگ، کانولوشن، تشخیص ویژگی، جریان نوری، مدل‌سازی پرسپکتیو دوربین، کالیبراسیون، اصلاح استریو، مثلث‌سازی و محاسبه اختلاف دید. هیچ مرحله‌ای جعبه‌سیاه نیست — هر پارامتر، هر تبدیل و هر مقدار عمق را خودتان استخراج، پیاده‌سازی و با اندازه‌گیری‌های واقعی بررسی می‌کنید. تمام تصاویر، چکر‌بوردها و داده‌های استریو ارائه شده‌اند و نیازی به داشتن دوربین نیست. این دوره بر درک عمیق به جای میان‌بر تأکید دارد و نشان می‌دهد چرا هندسه کلاسیک همچنان پایه قابل اعتماد ادراک رباتیک است و چگونه هر مرحله به سیستم‌های ناوبری، SLAM و ادومتر بصری متصل می‌شود. با پیشروی از سطح 0 تا سطح 5، یک پشته کامل ادراک سه‌بعدی را می‌سازید: تصویر به عنوان داده قابل اندازه‌گیری، کانولوشن و استخراج ویژگی، هندسه پرسپکتیو، کالیبراسیون داخلی و خارجی، و در نهایت عمق متریک از استریو. تمام اجزا را با Python و OpenCV می‌نویسید، نتایج را در شبیه‌سازی و داده‌های واقعی اعتبارسنجی می‌کنید و در پایان یک لایه ادراکی خواهید داشت که کاملاً متعلق به خودتان است. این دوره برای مهندسان، پژوهشگران و بنیان‌گذارانی طراحی شده است که باید اندازه‌گیری‌های مبتنی بر دوربین را درک، اصلاح و دفاع کنند، نه اینکه به خروجی‌های مبهم SDK تکیه کنند. آشنایی با Python، NumPy و جبر خطی پایه لازم است و تمام فایل‌های کالیبراسیون و داده‌های تصویری برای تمرین عملی ارائه شده‌اند.

آنچه خواهید آموخت

درک تصویر به عنوان داده قابل اندازه‌گیری برای ادراک رباتیک
ساخت مسیرهای تشخیص و ردیابی مبتنی بر رنگ
پیاده‌سازی کانولوشن، فیلترها، تشخیص ویژگی و جریان نوری
استخراج و کدنویسی مدل پرسپکتیو دوربین پین‌هول
ساخت ماتریس‌های داخلی و خارجی دوربین
کالیبراسیون دوربین واقعی همراه با مدل‌سازی اعوجاج
کالیبراسیون سیستم استریو و انجام اصلاح هندسی
مثلث‌سازی نقاط سه‌بعدی از تطابق‌های استریو
تولید نقشه اختلاف دید و تبدیل آن به عمق متریک
اعتبارسنجی عمق با فاصله‌های واقعی اندازه‌گیری‌شده
توسعه یک مسیر کامل ادراک سه‌بعدی مبتنی بر هندسه
آماده‌سازی مهارت‌های پایه برای SLAM، ادومتر بصری و ناوبری

این دوره برای چه کسانی مناسب است

مهندسانی که کار خود را در ادراک رباتیک آغاز کرده‌اند
پژوهشگرانی که وارد حوزه بینایی کامپیوتری سه‌بعدی کلاسیک می‌شوند
بنیان‌گذارانی که باید کالیبراسیون دوربین را مدیریت و نگهداری کنند
مهندسانی که برای مسیرهای SLAM یا ادومتر بصری آماده می‌شوند
افرادی که مسئول سیستم‌های اندازه‌گیری مبتنی بر دوربین هستند
فعالان حوزه رباتیک که به تخمین عمق شفاف و مبتنی بر هندسه نیاز دارند
کاربرانی که با Python و NumPy و جبر خطی پایه راحت هستند

مشخصات دوره Master the First Principles of Computer Vision

ناشر : Ubicoders
زبان: انگلیسی
سطح آموزش: تمام سطوح
تعداد دروس: 33
مدت زمان آموزش: 2 ساعت و 48 دقیقه

سر فصل های دوره Master the First Principles of Computer Vision

001 Course Intro
002 Mac VSCode Install
003 Ubuntu VSCode Install
004 Windows VSCode Install
005 (Optional) What is Anaconda
006 Mac Conda Install
007 Ubuntu Conda Install
008 Windows Conda Install
009 Course Environment Setup
010 Image as Data
011 Cropping The Image
012 Filtering the RED
013 Detecting the RED
014 Tracking the RED
015 The First Image Processing
016 Feature Descriptors and Feature Matching
017 Optical Flow
018 Camera Intrinsics Quick Dive
019 Camera Intrinsics Python Code
020 Camera Intrinsics Deeper Dive
021 Camera Extrinsic Parameters
022 Camera Extrinsic Parameters Python Code
023 Introduction
024 Camera Calibration Simple Concept
025 Camera Calibration Simple Concept in Python
026 Camera Calibration with Distortion
027 Camera Calibration using OpenCV Python
028 Stereo Camera Calibration using OpenCV Python
029 3D Depth Estimation – Triangulation
030 3D Depth Estimation – Triangulation Code
031 3D Depth Estimation – Disparity
032 3D Depth Estimation – Disparity Code
033 Outro