SMART AUTONOMOUS DRIVING SYSTEM

سیستم رانندگی خودکار هوشمند

طراحی و پیاده‌سازی یک سیستم رانندگی خودکار ماژولار با تمام قابلیت‌های پیشرفته شرکت‌های بزرگ خودروسازی — از شبیه‌سازی تا خودروی واقعی، با رعایت کامل پروتکل‌های ایمنی.

🔋 Level 4 Autonomy 🅿️ پارک خودکار 🛣️ ناوبری خودران 📱 کنترل موبایل 🛡️ ADAS کامل
LIVE DEMO

🚗 شبیه‌ساز رانندگی خودران

نسخه‌ی زنده و تعاملی شبیه‌ساز — روی نقشه کلیک کنید تا خودران خودش به مقصد برسد. پارکینگ، چراغ راهنما، عابر پیاده، موانع و ترافیک به‌صورت خودکار مدیریت می‌شود.

🧠 شبیه‌ساز خودران LIVE
باز کردن در صفحه کامل ↗
🎯 شروع خودران روی نقشه (نقشه پایین-چپ) کلیک کنید تا خودرو خودش به مقصد برود
🕹️ رانندگی دستی W = گاز | S = ترمز/عقب | A/D = فرمان | Space = ترمز دستی
🎮 کلیدها V = نما | M = مینی‌مپ | R = رادار | B = مغز AI | L = لاگ | Esc = توقف خودران
🧠 هوش مصنوعی دکمه 🧠 پنل BEV را باز می‌کند؛ اجسام، پیش‌بینی حرکت و تصمیم‌گیری زنده نمایش داده می‌شود
📋 لاگ رانندگی دکمه 📋 گزارش کامل هر فریم (موقعیت، سرعت، سنسورها، تصمیم AI) را ضبط می‌کند
📶 سایر 🌙 شب/روز | 📡 رادار | 📍 ذخیره موقعیت | 🔄 ریست خودرو
درباره پروژه

خلاصه پروژه

یک سیستم رانندگی خودکار ماژولار که مسیر را از «شبیه‌سازی کامل» تا «خودروی واقعی» طی می‌کند

🎯

اهداف پروژه

  • ساخت سیستم ADAS کامل و حرفه‌ای از صفر
  • اعتبارسنجی در ۳ فاز تست (شبیه‌سازی ← RC ← واقعی)
  • دستیابی به سطح ۴ خودکاری
  • پارک خودکار و بازگشت خودرو نزد راننده
  • اپلیکیشن موبایل برای کنترل از راه دور
🧩

ماژول‌های اصلی

  • درک محیط — دوربین، لیدار، تشخیص YOLO
  • ادغام حسگرها — فیلتر کالمن، مدل جهانی
  • برنامه‌ریزی — A*، RRT*، درخت رفتاری، MPC
  • کنترل — PID، Pure Pursuit، ناظر ایمنی
  • رابط — CAN، OBD-II، وب‌سوکت، داشبورد
🧭

پشته نرم‌افزاری

  • پایتون ۳.۱۰+ | ROS2 Humble
  • CARLA 0.9.15 برای شبیه‌سازی
  • PyTorch 2.x | OpenCV | YOLOv8/v11
  • PID + Pure Pursuit + MPC
  • درخت رفتاری برای تصمیم‌گیری
قابلیت‌های اصلی

تمام قابلیت‌های پیشرفته

سیستم رانندگی خودکار هوشمند با تمام قابلیت‌های شرکت‌های بزرگ خودروسازی

🅿️

پارک خودکار و بازگشت (AVP)

  • پارک بدون حضور راننده در پارکینگ
  • بازگشت خودکار خودرو به سمت راننده
  • فراخوانی هوشمند از پارکینگ (Summon)
  • پارک از راه دور با دقت ۲ سانتی‌متر
  • حافظه پارک و یادگیری محل‌های موردعلاقه
🛣️

ناوبری خودران (NOA)

  • کروز تطبیقی هوشمند و حفظ فاصله ایمن
  • تغییر خودکار خط و سبقت
  • تشخیص چراغ راهنما و توقف/حرکت
  • عبور ایمن از تقاطع‌ها و رعایت حق تقدم
  • کمک به ترافیک (Traffic Jam Assist)
📱

اپلیکیشن موبایل

  • کنترل کامل خودرو از راه دور
  • قفل/بازکردن در، کنترل آب و هوا
  • فراخوانی خودرو (Summon) از پارکینگ
  • ارسال مقصد و برنامه‌ریزی سفر
  • وضعیت باتری و مدیریت شارژ
🛡️

سیستم‌های ایمنی (ADAS)

  • ترمز اضطراری خودکار (AEB)
  • نظارت بر نقطه کور (BSM)
  • هشدار ترافیک عقب و جلو (RCTA/FCTA)
  • هشدار خروج از خودرو
  • واچ‌داگ سخت‌افزاری و توقف اضطراری
🧠

هوش مصنوعی پیشرفته

  • یادگیری انتها به انتها (End-to-End)
  • مدل‌های جهانی (World Models)
  • پیش‌بینی رفتار سایر وسایل نقلیه
  • تشخیص چراغ، تابلو و عابر پیاده
  • تصمیم‌گیری با درخت رفتاری
🔄

به‌روزرسانی و مدیریت

  • به‌روزرسانی هوایی (OTA)
  • کنترل صوتی و دستیار هوشمند
  • برنامه‌ریزی مسیر پیش‌بینانه
  • نظارت تلهمتری لحظه‌ای
  • مدیریت چند خودرو و اشتراک‌گذاری
معماری سیستم

معماری لایه‌ای

از حسگرها تا فرمان — جریان داده در معماری خودروی خودران

📡 درک محیط
دوربینYOLOv8/v11
لیدارRPLIDAR
ژیروسکوپIMU
موقعیتGPS
خودروOBD-II
🧩 ادغام داده‌ها
فیلتر EKF/UKFادغام حسگرها
مدل جهانیWorld Model
تخمین حالتState
شبکه محیطیOccupancy Grid
🗺️ برنامه‌ریزی
مسیر کلیA* / RRT*
مسیر محلیDWA
رفتاریBehavior Tree
پیش‌بینیMPC
🎮 کنترل
فرمانPID / Pure Pursuit
گازPID
ترمزPID
ناظر ایمنیSafety Monitor

📷 درک محیط

perception/
├── camera/ (capture, undistort)
├── detection/ (vehicle, lane,
│              sign, light, pedestrian)
├── tracking/ (kalman, deepsort)
└── depth/ (stereo, mono)

🧠 ادغام و برنامه‌ریزی

fusion/  (EKF/UKF, world_model)
planning/
├── global/ (astar, route)
├── local/ (dwa, lattice, mpc)
├── behavior/ (behavior_tree)
└── trajectory/ (gen, eval)

🎛️ کنترل و ایمنی

control/ (pid, pure_pursuit,
          mpc, lateral, safety)
safety/ (watchdog, emergency_stop,
         fault_detection, log)
interface/ (can_bus, obd_reader,
            websocket, dashboard)
اولویت اول

پروتکل‌های ایمنی

ایمنی در تمام لایه‌ها — از سخت‌افزار تا تصمیم‌گیری — طراحی شده است

🛑 الزامات سخت‌افزاری

تایمر واچ‌داگ سخت‌افزاری، قابلیت دستی‌گیری (فرمان + پدال)، دکمه توقف اضطراری فیزیکی، مقادیر پیش‌فرض ایمن (توقف خودرو در هر خطای بحرانی).

📡 افزونگی حسگر

حسگرهای تکراری + اعتبارسنجی چندحسگری + آستانه اعتماد. در صورت خرابی حسگر، سیستم به‌طور ایمن توقف می‌کند.

🧠 ناظر ایمنی

لایه‌ی نظارت بر کنترل که در شرایط اضطراری مداخله می‌کند — ترمز اضطراری (AEB)، تشخیص نقطه کور (BSM) و هشدار برخورد.

🔄 بازیابی خطا

واچ‌داگ نرم‌افزار + ثبت کامل رویداد (log_recorder) + بازیابی راه‌اندازی مجدد + نظارت تلهمتری لحظه‌ای.

🚦 تست تدریجی

از شبیه‌سازی (۱۰۰+ سناریو) ← ماشین RC در مسیر بسته ← خودروی واقعی با راننده ایمنی. دشواری به‌تدریج افزایش می‌یابد.

⚠️ کاهش ریسک

محدودیت سرعت سخت در تست، نظارت از راه دور، مداخله‌ی فوری انسانی، و تعریف سناریوهای خطرناک قبل از تست واقعی.

سخت‌افزار

مشخصات سخت‌افزاری

دو پلتفرم اعتبارسنجی: خودروی مدل RC و خودروی واقعی

📦 فاز ۲ — ماشین مدل RC (حدود $۱۸۳ تا $۴۳۰)

مؤلفهمدلقیمت تقریبی
کامپیوترRaspberry Pi 5 (8GB) یا Jetson Nano$۸۰-۱۵۰
دوربینوب‌کم USB (720p)$۱۵-۳۰
فرمانسروو MG996R$۸-۱۵
درایور موتورL298N$۵-۱۰
سنسور فاصلهHC-SR04$۳-۵
ژیروسکوپMPU6050$۵-۱۰
شاسیفریم RC 1/10$۵۰-۱۰۰
باتری2S LiPo 7.4V$۱۵-۲۵
لوازم جانبیسیم، کانکتور، فریم$۲۰-۵۰

🚙 فاز ۳ — خودروی واقعی (حدود $۹۳۰ تا $۲۵۰۰)

مؤلفهمدلقیمت تقریبی
کامپیوترJetson AGX Orin (64GB)$۱۰۰۰-۱۵۰۰
دوربین جلودوربین USB3 (1080p@60fps)$۵۰-۱۰۰
دوربین‌های کناری۲ دوربین USB$۳۰-۶۰
دوربین عقبدوربین USB$۱۵-۳۰
لیدارRPLIDAR A2 یا Livox Mid-360$۱۰۰-۵۰۰
ژیروسکوپBNO055$۲۵-۳۵
GPSu-blox NEO-M8N$۲۰-۴۰
OBD-IIELM327 یا STN1110$۱۰-۳۰
هارنس/تغذیه/نصبآداپتور + مبدل DC-DC + براکت$۶۵-۱۲۵
نقشه راه

مسیر ۲۴ ماهه تا خودروی خودران

چهار فاز توسعه — از زیرساخت تا خودروی واقعی

۰
ماه ۱ تا ۲

فاز ۰ — زیرساخت و پایه

راه‌اندازی محیط توسعه، نصب نرم‌افزارها، پیکربندی پروژه، خط لوله پایه درک محیط و حلقه کنترل پایه.

۱
ماه ۲ تا ۷

فاز ۱ — تست مجازی (CARLA)

کامل‌کردن پشته ADAS در شبیه‌سازی: تشخیص اجسام و خط، ادغام حسگرها، برنامه‌ریزی مسیر (A*، DWA، درخت رفتاری)، کنترل (PID، Pure Pursuit، MPC) و بیش از ۱۰۰ سناریوی تست.

۲
ماه ۷ تا ۱۲

فاز ۲ — ماشین مدل RC

اعتبارسنجی دنیای واقعی روی پلتفرم مقیاس‌شده با Raspberry Pi 5 یا Jetson Nano — تست خط‌دنباله‌رو، اجتناب از مانع، تشخیص تابلو و رانندگی در شب.

۳
ماه ۱۲ تا ۲۴

فاز ۳ — خودروی واقعی

پیاده‌سازی نهایی بر روی خودروی واقعی با Jetson AGX Orin و حسگرهای کامل — شروع با بزرگراه، سپس رانندگی شهری با راننده ایمنی و نظارت از راه دور.

خلاصه بودجه

کل بودجه با نرم‌افزار متن‌باز

فازسخت‌افزارنرم‌افزارمجموع
فاز ۰-۱ (شبیه‌سازی)$۰ (فقط PC)متن‌باز
فاز ۲ (ماشین RC)$۱۸۳-۴۳۰متن‌باز$۱۸۳-۴۳۰
فاز ۳ (خودروی واقعی)$۹۳۰-۲۵۰۰متن‌باز$۹۳۰-۲۵۰۰
مجموع$۱۱۱۳-۲۹۳۰$۱۱۱۳-۲۹۳۰

معیارهای موفقیت

اهداف عملکردی در هر سه فاز تست

۹۰٪
دقت تشخیص
< ۵cm
خطای نگهداری خط
< ۲۰۰ms
زمان واکنش
< ۵٪
نرخ مثبت کاذب
۹۹٪
آپ‌تایم سیستم
۰
حوادث ایمنی
مستندات

مستندات کامل پروژه

راهنماهای تفصیلی برای هر بخش از سیستم

آماده‌اید خودتان رانندگی را تست کنید؟

شبیه‌ساز زنده را باز کنید، روی نقشه کلیک کنید و خودروی خودران را ببینید

🚗 اجرای شبیه‌ساز