> ## Content Index
> Fetch the complete content index at: https://arabroot.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# سيارات مسح الخرائط: ماذا تجمع وأي عتاد تحمل؟
- URL: https://arabroot.io/articles/سيارات-مسح-الخرائط-ماذا-تجمع-واي-عتاد-تحمل/
- Published: 2026-10-09T16:30:00.000Z
- Updated: 2026-10-09T13:00:55.000Z
- Description: ما الذي تسجله السيارات التي تجوب الشوارع بالكاميرات والليزر، وكيف تتحول صورها وقياساتها إلى عناوين وخرائط على هاتفك.
- Author: فريق عرب رووت
- Tags: الأدلة التقنية, مجالات متخصصة, تطبيقات لفريقك, السيادة الرقمية والامتثال, الاستضافة الذاتية

إذا كنت تقود في مدينة كبيرة، فربما مرت بجانبك سيارة عادية فوق سقفها عمود عليه كرة من العدسات وأجهزة أسطوانية صغيرة، تمشي بهدوء في شارع جانبي لا يدخله أحد غير سكانه، ثم تراها بعد أيام في حي آخر. وهذه سيارة مسح Survey Vehicle، وتسميها الشركات المصنعة لعتادها نظام المسح المتحرك Mobile Mapping System، وهي الطريقة التي تجمع بها شركات الخرائط صور الشوارع وأرقام المباني ولوحات السرعة وشكل الطريق بدقة تصل إلى السنتيمترات.

وفي مقال [خرائطك على سيرفرك مع OpenStreetMap وMapLibre](https://arabroot.io/articles/%D8%AE%D8%B1%D8%A7%D8%A6%D8%B7%D9%83-%D8%B9%D9%84%D9%89-%D8%B3%D9%8A%D8%B1%D9%81%D8%B1%D9%83-%D9%85%D8%B9-openstreetmap-%D9%88-maplibre/) وضعنا خريطة الرياض على سيرفرنا، وفي مقال [البحث عن العناوين Geocoding مع Nominatim](https://arabroot.io/articles/%D8%A7%D9%84%D8%A8%D8%AD%D8%AB-%D8%B9%D9%86-%D8%A7%D9%84%D8%B9%D9%86%D8%A7%D9%88%D9%8A%D9%86-geocoding-%D9%85%D8%B9-nominatim/) بحثنا فيها عن الأماكن والعناوين، وكلا المقالين يعتمد على بيانات جمعها أحد قبلنا، وهذا المقال من مرحلة [الخرائط والمواقع والمسارات](https://arabroot.io/start/#stage-maps) في خريطة الطريق يجيب عن سؤال: من أين تأتي هذه البيانات، ولماذا تنفق الشركات على أساطيل من السيارات بدل أن تكتفي بصور الأقمار الصناعية؟ وسوف نناقش في هذا المقال ما يلي:

- لماذا تحتاج الخرائط إلى سيارة تمر في كل شارع، وما الذي تسجله هناك.
- ما الذي تقوله هدهد وGoogle وApple وHERE رسمياً عن سياراتها وعتادها.
- العتاد فوق السقف وداخل السيارة: الكاميرا البانورامية، وLiDAR وكيف يقيس المسافة، وتحديد الموقع بدقة السنتيمترات، وتوحيد الوقت بين الحساسات.
- كيف تتحول الأقراص المليئة بالصور إلى خريطة، من دمج الصور إلى طمس الوجوه وقراءة أرقام المباني.
- تجربة عملية صغيرة: نقرأ موقع صورة من بياناتها المخفية، ونقرأ رقم مبنى من صورة لافتة بأداة Tesseract.
- البديل الجماعي مثل Mapillary وKartaView، والخصوصية والأنظمة، ولماذا تبقى هذه الطريقة مكلفة.

## لماذا لا تكفي صور الأقمار الصناعية؟

الحل البسيط الذي يخطر على البال أولاً هو صور الأقمار الصناعية Satellite Imagery، فهي تغطي المدينة كلها في وقت قصير، وتظهر فيها الطرق والمباني بوضوح، ولكنها تنظر إلى المدينة من فوق، فترى سطح المبنى ولا ترى اللافتة على بابه، وترى الطريق ولا ترى لوحة السرعة على جانبه، ولا ترى ما تحت الجسور، ولا تقرأ اسم الصيدلية على واجهتها. وبالتالي تعطيك صور الأقمار شكل المدينة، ولكنها لا تعطيك أغلب ما يحتاجه تطبيق ملاحة Navigation أو بحث عن عنوان.

والحل الثاني هو المتطوعون كما في OpenStreetMap، وقد رأينا نتيجة هذا الحل في [تجربة Nominatim](https://arabroot.io/articles/%D8%A7%D9%84%D8%A8%D8%AD%D8%AB-%D8%B9%D9%86-%D8%A7%D9%84%D8%B9%D9%86%D8%A7%D9%88%D9%8A%D9%86-geocoding-%D9%85%D8%B9-nominatim/#lab-import): من 100,378 مكاناً في بيانات الرياض كان هناك 435 مكاناً فقط عليها رقم مبنى Housenumber، والسبب أن إدخال رقم كل مبنى عمل ممل لا يتطوع له إلا القليل، بينما يحتاج تطبيق التوصيل أو سيارة الأجرة الرقم نفسه. وفي السعودية تحديداً هناك [العنوان الوطني National Address](https://splonline.com.sa/en/national-address-1/?ref=arabroot.io) من سبل، ومنه العنوان المختصر Short Address المكون من أربعة أحرف وأربعة أرقام، و[هدهد](https://hudhud.sa/ar?ref=arabroot.io) تذكر في صفحتها أنها تعرض المداخل والعنوان الوطني على الخريطة، وهذا النوع من التفاصيل يحتاج من يقف أمام المبنى أو يصوره.

والسبب الثالث هو الحداثة Freshness، فالشارع يتغير: محل يغلق وآخر يفتح، ومسار جديد، ولوحة سرعة تتغير، لذلك لا يكفي أن تمسح المدينة مرة واحدة، و[صفحة Apple لجمع الصور](https://maps.apple.com/imagecollection/?ref=arabroot.io) تقول صراحة إنها تعود دورياً إلى بعض المواقع لتعيد جمع البيانات حتى تبقى الخريطة محدثة. لذلك فالحل الأنسب الذي استقرت عليه الشركات الكبيرة هو سيارة تمر في كل شارع، تصوره من مستوى العين وتقيسه بالليزر، ثم تعود إليه بعد مدة.

## ماذا تسجل السيارة وهي تمر في الشارع؟

الصورة التالية تبين شارعاً واحداً وما تسجله السيارة فيه، والأرقام في الصورة تقابل القائمة تحتها:

![مخطط لشارع فيه مبنى عليه لافتة رقم 12، وصيدلية، ولوحة سرعة 80، ومبنى عليه نقاط برتقالية من الليزر، وفي وسط الشارع سيارة مسح على سقفها كاميرا 360 درجة وجهاز LiDAR وهوائي GNSS، ومرقم عليها سبعة أشياء تسجلها السيارة](https://arabroot.io/content/images/2026/10/mapping-vehicles-01-collects.webp)

سبعة أشياء تسجلها سيارة المسح في شارع واحد

- **صور الشارع 360 درجة 360° Imagery:** صورة في كل الاتجاهات كل بضعة أمتار، وهي التي تراها في Street View وLook Around، وهدهد تقول في [صفحة المطورين](https://developers.hudhud.sa/ar/?ref=arabroot.io) إن لقطات التجول الافتراضي عندها تؤخذ كل 5 إلى 10 أمتار.
- **اللوحات المرورية Traffic Signs:** حدود السرعة، ومنع الدخول، والانعطاف، ومكان كل لوحة على الطريق، ومنها تعرف الخريطة السرعة المسموحة وتنبهك عند تجاوزها.
- **خطوط المسارات Lane Markings:** عدد المسارات والأسهم المرسومة على الأرض، ومنها يخبرك التطبيق بالمسار الذي تقف فيه قبل التقاطع.
- **أرقام المباني والعناوين House Numbers:** الرقم على اللافتة واسم الشارع، وهي ما يجعل البحث بالعنوان يصل إلى الباب نفسه وليس إلى منتصف الشارع.
- **واجهات المحلات POI Storefronts:** اسم المحل ونوعه ومكان مدخله، ومنها تنشأ نقاط الاهتمام Points of Interest التي تبحث عنها في التطبيق.
- **شكل الطريق Road Geometry:** حافة الطريق وعرضه وميله وانحناؤه، وهي ما تحتاجه حسابات المسار وزمن الوصول.
- **سحابة النقاط Point Cloud:** ملايين النقاط بأبعاد ثلاثية من جهاز الليزر، ومنها تبنى النماذج ثلاثية الأبعاد وتقاس المسافات والارتفاعات بدقة.

ولاحظ أن الصورة الواحدة تخدم أكثر من غرض، فلقطة واحدة فيها لوحة السرعة ورقم المبنى واسم المحل معاً، لذلك تصور الشركات كل شيء في المرور الواحد ثم تستخرج منه ما تحتاجه لاحقاً، كما سيأتي في قسم المعالجة.

## من يسير هذه السيارات؟ ما تقوله الشركات نفسها

قبل الحديث عن العتاد، لنبدأ بما نستطيع التحقق منه من المصادر الرسمية للشركات، لأن صورة سيارة في الشارع لا تكفي لنعرف لمن هي أو ماذا تحمل.

**هدهد Hudhud:** لم نجد في صفحات هدهد الرسمية وصفاً لسياراتها أو صوراً لها، ولكن [صفحة المطورين](https://developers.hudhud.sa/ar/?ref=arabroot.io) تذكر تحت عنوان «خرائط بدقة عالية» أن بياناتها تأتي من «نظام مسح ليزري CHCNAV AU20 متعدد الهوائيات» (والنسخة الإنجليزية من الصفحة تسميه CHCNAV AU20 Dual Head System) بمعدل 4 ملايين نقطة في الثانية، وتصوير بانورامي بدقة 72 ميغابكسل، ودقة تصل إلى 5 ملم ضمن 30 متراً، ومعالجة بنماذج ذكاء اصطناعي مطورة داخلياً تستخرج مكونات الطريق والمعالم. والجهاز AU20 كما تصفه [صفحة الشركة المصنعة CHCNAV](https://geospatial.chcnav.com/products/chcnav-au20-mms?ref=arabroot.io) نظام مسح متحرك مصمم ليركب على السيارات Vehicle-mounted، لذلك فالأرجح أن السيارات التي تحمل هذا العتاد هي مصدر صور التجول الافتراضي في تطبيق هدهد، ولكننا لا نستطيع أن نجزم بأن سيارة معينة رأيتها في الشارع تابعة لهدهد ما لم يكن شعارها عليها.

**Google:** تقول [صفحة Street View](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) إن سيارة Street View التي تحمل نظام الكاميرات على سقفها هي أكثر أداة تستخدمها لجمع الصور، وإنها قطعت أكثر من 10 ملايين ميل حول العالم، وإن لديها حقيبة ظهر اسمها Trekker للشوارع الضيقة والأماكن التي لا تصلها إلا مشياً. والصفحة نفسها تنشر جدولاً بالأماكن التي تصورها سياراتها هذا الشهر، وعند مراجعتنا للجدول في أكتوبر 2026 لم تكن السعودية فيه، بينما كانت الإمارات وقطر وعمان والأردن فيه بفترات مختلفة.

![سيارة سوداء صغيرة في شارع في برشلونة عليها شعار Street View on Google Maps، وفوق سقفها هيكل أبيض يحمل عموداً في أعلاه رأس أزرق مستدير عليه عدسات](https://arabroot.io/content/images/2026/10/mapping-vehicles-02-google-car.webp)

سيارة Street View في برشلونة عام 2024\. الصورة: Jove، بترخيص [CC0](https://creativecommons.org/publicdomain/zero/1.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Google%5FStreet%5FView%5Fcamera%5Fcar%5Fin%5FBarcelona.jpg?ref=arabroot.io) (تم تصغيرها وتحويلها إلى WebP).

**Apple:** تقول [صفحة جمع الصور في Apple Maps](https://maps.apple.com/imagecollection/?ref=arabroot.io) إنها تجري مسحاً أرضياً بالسيارات حول العالم لتحسين الخريطة ولميزة Look Around، وإن المسح قد يستخدم عتاداً مركباً خارج السيارة وأجهزة iPhone وiPad داخلها، وإنها تمسح بعض مناطق المشاة بنظام يحمل على الظهر. والصفحة تنشر قائمة بالدول التي تمسحها مع الفترات، وعند مراجعتنا [للقائمة](https://maps.apple.com/imagecollection/locations/us/en?ref=arabroot.io) في أكتوبر 2026 كانت الإمارات فيها ولم تكن السعودية.

![سيارة Subaru بيضاء على طريق سريع مكتوب على زجاجها الخلفي Apple Maps وmaps.apple.com، وفوق سقفها حامل أسود يحمل عموداً في أعلاه وحدة بيضاء أسطوانية](https://arabroot.io/content/images/2026/10/mapping-vehicles-03-apple-car.webp)

سيارة مسح من Apple Maps في يوليو 2026\. الصورة: Oleg Yunakov، بترخيص [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:2024%5FSubaru%5FCrosstrek%5FApple%5FMaps%5Fmapping%5Fvehicle%5F-%5F01.jpg?ref=arabroot.io) (تم تصغيرها وطمس لوحة السيارة وتحويلها إلى WebP).

**HERE:** تقول [صفحة بيانات الخرائط في HERE](https://www.here.com/platform/map-data?ref=arabroot.io) إن بياناتها الأساسية تنتجها مئات من سيارات المسح حول العالم، وفي [إعلانها عن مكتبة بيانات الليزر](https://www.here.com/about/press-releases/here-releases-global-library-of-terrestrial-lidar-data-for-real-world-3d?ref=arabroot.io) عام 2022 ذكرت أن أسطولها مجهز بحساسات LiDAR وكاميرات 360 درجة، وأن سحب النقاط هي مصدر أساسي لخرائطها ثلاثية الأبعاد والخرائط عالية الدقة HD Maps.

## العتاد: ماذا تحمل السيارة فوق سقفها وداخلها؟

قد يتساءل البعض: لماذا لا تكفي كاميرا جيدة وهاتف يحدد الموقع؟ والإجابة أن الخريطة تحتاج أن تعرف أين كانت كل صورة وكل نقطة بالضبط، فلو أخطأ الموقع مترين لظهرت لوحة السرعة على الرصيف المقابل ولظهر رقم المبنى على مبنى الجار، لذلك تحمل السيارة عدة حساسات Sensors يكمل بعضها بعضاً، والصورة التالية تبين مكان كل منها:

![مخطط جانبي لسيارة مسح: على السقف منصة عليها كاميرا 360 درجة على عمود، ورأسا LiDAR مائلان، وهوائي GNSS، وفي وسط المنصة IMU، وفي صندوق السيارة حاسوب وأقراص SSD، وعلى العجلة الخلفية عداد دورات، وخطوط خضراء متقطعة من الحاسوب إلى كل حساس تمثل توحيد الوقت](https://arabroot.io/content/images/2026/10/mapping-vehicles-04-sensors.webp)

مكان كل حساس في سيارة المسح، والخطوط الخضراء تمثل الوقت الموحد بينها

### الكاميرا البانورامية 360 درجة

الكاميرا البانورامية Panoramic Camera ليست عدسة واحدة، وإنما عدة كاميرات في رأس واحد، كل منها تنظر في اتجاه، و[Google تشرح](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) أن الكاميرات المتجاورة تلتقط صوراً متداخلة قليلاً حتى لا تبقى فجوات، ثم تدمج الصور في صورة واحدة 360 درجة. والصورة التالية فيها رأس الكاميرا في سيارة Street View حديثة:

![رأس كاميرا أزرق مستدير فيه عدستان ظاهرتان فوق صندوق معدني رمادي بفتحات تبريد، مثبت على منصة فوق سقف سيارة، وعلى جانبيه وحدتان أسطوانيتان رماديتان](https://arabroot.io/content/images/2026/10/mapping-vehicles-05-camera-rig.webp)

رأس الكاميرا في سيارة Street View في برلين، سبتمبر 2026\. الصورة: AlexanderKlink، بترخيص [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:DE%5FBerlin%5FGoogle%5FStreet%5FView%5FCar%5FCamera%5FCloseup%5Fat%5FGeoGuessr%5FWorld%5FChampionship%5F2026%5F1.jpg?ref=arabroot.io) (تم قصها وتصغيرها وتحويلها إلى WebP).

أما الكاميرات التي تبيعها الشركات المتخصصة لمن يبني نظامه بنفسه فمواصفاتها منشورة، ومثال ذلك [Ladybug6 من Teledyne](https://www.teledynevisionsolutions.com/products/ladybug6/?ref=arabroot.io) المصممة لالتقاط صور كروية 360 درجة من منصات متحركة في كل الأجواء، بدقة 73.6 ميغابكسل و15 إطاراً في الثانية، وتقول الشركة إن معايرتها في المصنع تجعل موقع كل بكسل دقيقاً ضمن 2 ملم على بعد 10 أمتار، وإن من استخداماتها إنتاج صور الشوارع البانورامية ومسح الطرق واستخراج العناصر للخرائط عالية الدقة. وجهاز AU20 الذي تذكره هدهد يقبل كاميرات بانورامية منها Ladybug6 وCHCNAV C7200 بدقة 72 ميغابكسل كما في [صفحة مواصفاته](https://geospatial.chcnav.com/products/chcnav-au20-mms?ref=arabroot.io)، وهو الرقم نفسه الذي تذكره هدهد. وإذا أردت أن تفهم ما تعنيه الميغابكسلات وعدد الإطارات في حجم البيانات فقد شرحنا ذلك في قسم [الدقة وعدد الإطارات ومعدل البت](https://arabroot.io/articles/%D8%A7%D9%86%D9%88%D8%A7%D8%B9-%D9%83%D8%A7%D9%85%D9%8A%D8%B1%D8%A7%D8%AA-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9-%D9%88%D9%83%D9%8A%D9%81-%D8%AA%D8%AE%D8%AA%D8%A7%D8%B1-%D8%A8%D9%8A%D9%86%D9%87%D8%A7/#resolution-bitrate) من مقال كاميرات المراقبة.

ولنحسب سريعاً ما يعنيه رقم هدهد: سيارة تسير بسرعة 50 كم/ساعة تقطع نحو 13.9 متراً في الثانية، فإذا أخذت لقطة كل 5 أمتار احتاجت نحو 3 لقطات في الثانية، وهذا أقل بكثير من 15 إطاراً في الثانية التي تستطيعها Ladybug6، لذلك فالكاميرا ليست ما يحد سرعة السيارة، وإنما الضوء وحركة الشارع ووضوح الصورة.

### LiDAR: كيف يقيس الليزر المسافة؟

الكاميرا تعطيك صورة مسطحة لا تعرف منها كم يبعد المبنى، ولذلك تحمل السيارة جهاز LiDAR، وهو كما تعرفه [NOAA](https://oceanservice.noaa.gov/facts/lidar.html?ref=arabroot.io) اختصار Light Detection and Ranging، أي طريقة استشعار تستخدم الضوء على شكل نبضات ليزر Pulsed Laser لقياس المسافات. والفكرة تسمى زمن الطيران Time of Flight: يرسل الجهاز نبضة ويقيس الزمن حتى يعود صداها، والضوء يسير بسرعة معروفة، فتكون المسافة نصف حاصل ضرب السرعة في الزمن، والسبب أن الضوء قطع المسافة ذهاباً وعودة. والصورة التالية تبين ذلك بالأرقام:

![مخطط فيه جهاز LiDAR على اليسار وجدار مبنى على بعد 30 متراً، وسهم برتقالي لنبضة تخرج عند الزمن صفر، وسهم أزرق متقطع لصدى يعود بعد 200 نانوثانية، وتحته ثلاث بطاقات: المسافة تساوي سرعة الضوء ضرب الزمن على 2 وتساوي 30 متراً، وخطأ نانوثانية واحدة يساوي نحو 15 سنتيمتراً، والرأس الدوار يكرر القياس مليوني مرة في الثانية](https://arabroot.io/content/images/2026/10/mapping-vehicles-06-lidar.webp)

زمن الطيران Time of Flight: 200 نانوثانية تعني جداراً على بعد 30 متراً

في المخطط أعلاه لاحظ التالي:

- جدار على بعد 30 متراً يعيد الصدى بعد 200 نانوثانية، أي جزءين من عشرة ملايين من الثانية، لذلك يحتاج الجهاز ساعة دقيقة جداً.
- خطأ نانوثانية واحدة في قياس الزمن يحرك النقطة نحو 15 سنتيمتراً، وهذا حساب مباشر من سرعة الضوء.
- الرأس يدور ويكرر القياس ملايين المرات في الثانية، فتتكون من النقاط سحابة تصف الشارع بأبعاده الثلاثة.

و[Google تقول](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) إن سرعة ارتداد ليزر السيارة عن الأسطح تخبرها ببعد المبنى أو الجسم، وإنها تبني من ذلك نموذجاً ثلاثي الأبعاد تختار به أنسب صورة بانورامية عندما تنتقل في Street View إلى نقطة بعيدة. أما الأرقام فمن [مواصفات AU20](https://geospatial.chcnav.com/products/chcnav-au20-mms?ref=arabroot.io): مليونا نبضة في الثانية للرأس الواحد، ومجال رؤية 360 درجة، ومدى من 1.5 إلى 250 متراً عند تركيبه على سيارة، وحتى 16 صدى Returns للنبضة الواحدة، لأن النبضة قد تصيب أوراق شجرة ثم الجدار خلفها فيعود منها أكثر من صدى، وتقول الشركة إن الرأس يدور 200 دورة في الثانية، وإن إضافة رأس ثان مائل تضاعف كثافة النقاط وتقلل الأماكن التي لا يراها الليزر. ومن هنا يأتي رقم هدهد: رأسان في كل منهما مليونا نقطة يساويان 4 ملايين نقطة في الثانية.

والصورة التالية لجهاز LiDAR دوار قديم من Velodyne على سقف سيارة ذاتية القيادة، ويظهر فيها الرأس وهو يدور:

![جهاز LiDAR فضي أسطواني من Velodyne يظهر ضبابياً من سرعة دورانه، وفيه نافذتان داكنتان تعكسان الأشجار والسماء، وتحته قاعدة رمادية عليها علامة تحذير ليزر صفراء](https://arabroot.io/content/images/2026/10/mapping-vehicles-07-velodyne.webp)

جهاز Velodyne LiDAR يدور فوق سيارة ذاتية القيادة عام 2009\. الصورة: Steve Jurvetson، بترخيص [CC BY 2.0](https://creativecommons.org/licenses/by/2.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Velodyne%5FHigh-Def%5FLIDAR.jpg?ref=arabroot.io) (تم تصغيرها وتحويلها إلى WebP).

ولا تقتصر هذه الأجهزة على شركات الخرائط، فالشركات التي تمد كابلات الألياف أو تدير الطرق تمسح بها شوارعها أيضاً، والصورة التالية لسيارة مسح لشركة ألياف ضوئية ألمانية مكتوب عليها «مسح لشبكة الألياف الخاصة بك»، وعلى سقفها جهاز مسح أصفر بالليزر:

![سيارة Volkswagen بيضاء بخطوط زرقاء لشركة Deutsche Glasfaser مكتوب عليها Vermessungen für Ihr Glasfasernetz، وفوق سقفها حامل أسود عليه جهاز أصفر بعدسة ورأس ليزر، وخلفها بحيرة وسماء فيها غيوم](https://arabroot.io/content/images/2026/10/mapping-vehicles-08-survey-car.webp)

سيارة مسح بالليزر لشركة Deutsche Glasfaser عام 2017\. الصورة: Germanist2017، بترخيص [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Mobile%5FMapping%5FCar%5F%28Vermessungsfahrzeug%29.jpg?ref=arabroot.io) (تم تصغيرها وتحويلها إلى WebP).

### تحديد الموقع بدقة السنتيمترات

هنا أصعب جزء في المسألة كلها، فنقطة الليزر لا قيمة لها إذا لم تعرف أين كانت السيارة لحظة قياسها، وموقع السيارة يأتي من عدة مصادر يغطي كل منها ضعف الآخر، والصورة التالية تبين الطرق الأربع:

![مخطط من أربع بطاقات: الأولى أقمار فوق سيارة ودائرة خطأ حمراء كبيرة بالأمتار، والثانية محطة أساس ترسل تصحيحات للسيارة فتصغر الدائرة إلى سنتيمترات، والثالثة سحابة ترسل مدارات وساعات دقيقة فتكون الدقة من سنتيمترات إلى ديسيمترات، والرابعة سيارة داخل نفق والأقمار عليها علامة خطأ وخط خطأ أصفر يتسع مع المسافة](https://arabroot.io/content/images/2026/10/mapping-vehicles-09-positioning.webp)

أربع طرق تعرف بها السيارة مكانها، ومتى تصلح كل منها

- **نظام الأقمار الصناعية للملاحة GNSS:** وهو الاسم العام لـ GPS وأمثاله، ويعطي الموقع وحده بخطأ بالأمتار، وسوف ترى في التجربة العملية هاتفاً يقدر خطأ موقعه بنحو 4.7 متر.
- **التصحيح اللحظي RTK:** واختصاره Real Time Kinematic، وفيه محطة أساس Base Station موقعها معروف بدقة ترسل تصحيحاتها للسيارة، فتلغي أغلب الأخطاء المشتركة بينهما، وتقول [Navipedia من وكالة الفضاء الأوروبية](https://gssc.esa.int/navipedia/index.php/RTK%5FFundamentals?ref=arabroot.io) إنه يعطي دقة بضعة سنتيمترات لمسافات حتى 10 أو 20 كيلومتراً من المحطة، مقارنة بنحو متر للتصحيح التقليدي، وتذكر أنه يحتاج تتبعاً مستمراً للإشارة، وهذا قيد شديد في المدن.
- **تحديد الموقع الدقيق PPP:** واختصاره Precise Point Positioning، وفيه يستخدم الجهاز مدارات وساعات دقيقة للأقمار تنتجها شبكة محطات عالمية بدل محطة قريبة، وتقول [Navipedia](https://gssc.esa.int/navipedia/index.php/Precise%5FPoint%5FPositioning?ref=arabroot.io) إنه يعطي دقة من السنتيمترات إلى الديسيمترات، ولكن طرقه التقليدية تحتاج عشرات الدقائق حتى تستقر دقته، والطرق الأحدث تقلل ذلك إلى نحو 10 أو 15 دقيقة.
- **وحدة القياس بالقصور الذاتي IMU وعداد العجلة Wheel Encoder:** ال IMU تقيس التسارع والدوران مئات المرات في الثانية، وفي AU20 تعمل بتردد 600 Hz، وعداد العجلة يقيس المسافة من دورات العجلة، ومعاً يحسبان حركة السيارة في النفق أو بين المباني العالية حين تضعف إشارة الأقمار، ولكن خطأهما يتراكم كلما طالت المدة، لذلك يصححهما ال GNSS عند عودة الإشارة.

ودمج هذه المصادر يسمى دمج الحساسات Sensor Fusion، و[Google تصفه](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) بأنها تجمع إشارات حساسات السيارة التي تقيس ال GPS والسرعة والاتجاه حتى تعيد بناء مسار السيارة بدقة، وتعدل ميل الصور ومحاذاتها عند الحاجة. ولاحظ أن البرنامج يستطيع أن يحسب المسار بدقة أكبر بعد انتهاء القيادة منه أثناءها، والسبب أنه يرى حينها ما قبل كل لحظة وما بعدها معاً، بينما لا يرى أثناء القيادة إلا ما مضى.

### لماذا يجب أن تتفق الحساسات على الوقت؟

لنفرض أن السيارة تسير بسرعة 60 كم/ساعة، أي نحو 16.7 متراً في الثانية، وأن ساعة الكاميرا متأخرة عن ساعة ال GNSS بعشرة أجزاء من الألف من الثانية، فسوف تنسب كل صورة إلى مكان يبعد نحو 17 سنتيمتراً عن مكانها الحقيقي، وهذا الخطأ وحده أكبر من دقة الليزر نفسه بعشرات المرات. لذلك فكل قياس من كل حساس يسجل ومعه ختم زمني Timestamp من ساعة واحدة، والخطوط الخضراء في مخطط الحساسات أعلاه تمثل ذلك، ولهذا تجد في مواصفات الكاميرات المخصصة للمسح ما يخدم هذه الفكرة، فصفحة [Ladybug6](https://www.teledynevisionsolutions.com/products/ladybug6/?ref=arabroot.io) مثلاً تذكر دعم أنظمة الأقمار ومداخل عتاد Hardware Inputs للتحكم في إعدادات الكاميرا وتوقيت الالتقاط Trigger.

### التخزين والحاسوب داخل السيارة

في صندوق السيارة حاسوب يجمع كل شيء على أقراص، و[AU20](https://geospatial.chcnav.com/products/chcnav-au20-mms?ref=arabroot.io) مثلاً يأتي بذاكرة تخزين 2 تيرابايت، ويقبل معالجه حتى 8 حساسات خارجية. ولنحسب حجم ما يجمعه رأس ليزر واحد: مليونا نقطة في الثانية تساوي 7.2 مليار نقطة في ساعة قيادة واحدة، والرأسان ضعف ذلك، وفوقها الصور البانورامية، لذلك لا تعالج هذه البيانات في السيارة، وإنما تسجل كما هي، ثم تنقل الأقراص إلى مركز بيانات Data Center فيه أجهزة كثيرة تعمل على الملفات بالتوازي. وإذا أردت أن تعرف لماذا تعالج المعالجات هذا النوع من البيانات بسرعة حين تعمل على عدة أرقام بتعليمة واحدة فقد شرحنا ذلك في قسم [SIMD](https://arabroot.io/articles/%D9%83%D9%8A%D9%81-%D9%8A%D8%B9%D9%85%D9%84-%D8%A7%D9%84%D9%85%D8%B9%D8%A7%D9%84%D8%AC-cpu-%D9%85%D9%86-%D8%A7%D9%84%D8%AF%D8%A7%D8%AE%D9%84/#simd) من مقال المعالج.

## من الأقراص إلى الخريطة على هاتفك

الأقراص التي تعود بها السيارة ليست خريطة بعد، وإنما ملايين الصور ومليارات النقاط وسجل مواقع، والصورة التالية تبين الخطوات التي تمر بها حتى تصل إلى تطبيقك:

![مخطط من ثماني بطاقات مرقمة في صفين: تسجيل الصور والليزر والموقع، ثم حساب مسار السيارة، ثم دمج الصور في صورة 360، ثم طمس الوجوه واللوحات، ثم اكتشاف اللوحات المرورية وأرقام المباني، ثم قراءة النص مثل الرقم 10، ثم المراجعة ومقارنتها بالخريطة، ثم نشر التحديث في التطبيق](https://arabroot.io/content/images/2026/10/mapping-vehicles-10-pipeline.webp)

ثماني خطوات من أقراص السيارة إلى الخريطة في التطبيق

1. **التسجيل Record:** الصور الخام ونقاط الليزر وقراءات GNSS وIMU وعداد العجلة، كل منها بختمه الزمني.
2. **مسار السيارة Trajectory:** حساب موقع السيارة واتجاهها في كل لحظة بدمج الحساسات كما في القسم السابق، ثم يوضع كل بكسل وكل نقطة في مكانها على الأرض.
3. **دمج الصور Stitching:** تقول [Google](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) إنها تدمج صور الكاميرات المتجاورة في صورة 360 درجة واحدة، ثم تستخدم خوارزميات خاصة لتخفيف خطوط الوصل بين الصور.
4. **طمس الخصوصية Privacy Blur:** تقول [سياسة Street View](https://www.google.com/streetview/policy/?ref=arabroot.io) إن Google طورت تقنية تطمس الوجوه ولوحات السيارات تلقائياً في صورها، و[Apple تقول](https://maps.apple.com/imagecollection/?ref=arabroot.io) إنها تطمس الوجوه ولوحات السيارات في الصور التي تنشرها في Look Around.
5. **الاكتشاف Detection:** نماذج رؤية حاسوبية Computer Vision تبحث في الصور عن اللوحات المرورية وخطوط المسارات وأرقام المباني وتحدد مكان كل منها، وهدهد تذكر في [صفحة المطورين](https://developers.hudhud.sa/ar/?ref=arabroot.io) استخراج البيانات بالرؤية الحاسوبية والاكتشاف الآلي لمكونات الطريق، وCHCNAV تذكر أن AU20 يكتشف السيارات والمشاة ويحذفهم من سحابة النقاط الملونة.
6. **قراءة النص OCR:** واختصاره Optical Character Recognition، وهو تحويل النص في الصورة إلى حروف، فيصبح رقم اللافتة «10» واسم الشارع نصاً تبحث فيه، وهذه الخطوة سوف نجربها بأنفسنا بعد قليل.
7. **المراجعة Review:** تقارن النتائج بالخريطة الحالية، فما تغير يذهب إلى التحديث، وما شكت فيه النماذج يراجعه إنسان.
8. **النشر Publish:** تحديث الخريطة وصور الشارع في التطبيق.

ولاحظ أن هذه الخطوات تأخذ وقتاً، فسياسة Street View نفسها تقول إن معالجة الصور تأخذ شهوراً بعد تصويرها، وإن الصورة التي تراها قد يكون عمرها من بضعة أشهر إلى بضع سنوات، لذلك لا تعتمد على صورة الشارع لتعرف هل المحل مفتوح اليوم.

## تجربة عملية: موقع الصورة ورقم المبنى

لن نبني سيارة مسح بالطبع، ولكن نستطيع أن نجرب على صورتين حقيقيتين خطوتين صغيرتين من الطريقة نفسها: قراءة الموقع المحفوظ داخل ملف الصورة، وقراءة رقم مبنى من صورة لافتة. والصورتان من Wikimedia Commons بترخيص حر: صورة سيارة Apple أعلاه التقطت بهاتف iPhone، وصورة لافتة رقم مبنى في تبليسي. ونعمل داخل Container باسم `lab-survey-tools` من Docker Image الرسمية `debian:13.1`، فيه الأدوات [ExifTool](https://exiftool.org/?ref=arabroot.io) لقراءة بيانات الصور و[Tesseract](https://github.com/tesseract-ocr/tesseract?ref=arabroot.io) لقراءة النص وImageMagick لقص الصور.

نبدأ بتنزيل الصورتين الأصليتين في مجلد فارغ، ثم تشغيل ال Container على هذا المجلد وتثبيت الأدوات فيه:

```bash
mkdir survey-lab && cd survey-lab
curl -L -o apple-car.jpg "https://commons.wikimedia.org/wiki/Special:FilePath/2024_Subaru_Crosstrek_Apple_Maps_mapping_vehicle_-_01.jpg"
curl -L -o sign-10.jpg "https://commons.wikimedia.org/wiki/Special:FilePath/2026-09-17_10_Gizo_Nishnianidze_Street_house_number_sign,_Tbilisi.jpg"

docker run -d --name lab-survey-tools -v "$PWD:/data" -w /data debian:13.1 sleep infinity
docker exec lab-survey-tools sh -c "apt-get update -qq && DEBIAN_FRONTEND=noninteractive apt-get install -y -qq libimage-exiftool-perl tesseract-ocr imagemagick > /dev/null 2>&1"
docker exec lab-survey-tools sh -c 'exiftool -ver && tesseract --version 2>&1 | head -1'
```

والمخرج سوف يكون كما يلي:

```text
13.25
tesseract 5.5.0
```

### ماذا تحفظ الصورة عن مكانها؟

كل صورة يلتقطها هاتف فيه تحديد الموقع تحمل داخل الملف بيانات EXIF، ومنها خط العرض وخط الطول، وهذا بالضبط ما تستخدمه تطبيقات التصوير الجماعي لتضع صورتك على الخريطة. نقرأ هذه الحقول من صورة سيارة Apple:

```bash
docker exec lab-survey-tools exiftool -n -GPSLatitude -GPSLongitude -GPSHPositioningError -GPSSpeed -GPSImgDirection -GPSDateTime -Model apple-car.jpg
```

والمخرج سوف يكون كما يلي:

```text
GPS Latitude                    : 40.0824444444444
GPS Longitude                   : -76.2752694444444
GPS Horizontal Positioning Error: 4.748651528
GPS Speed                       : 14.12636661
GPS Img Direction               : 251.8988495
GPS Date/Time                   : 2026:07:03 15:58:32Z
Camera Model Name               : iPhone 17 Pro Max
```

في الأمر والمخرج أعلاه لاحظ التالي:

- الخيار `-n` يعرض الإحداثيات أرقاماً عشرية تستطيع لصقها في أي خريطة، بدل الدرجات والدقائق والثواني.
- الحقل `GPS Horizontal Positioning Error` هو تقدير الهاتف نفسه لخطأ موقعه، ويساوي هنا نحو 4.7 متر، وهذا هو الفرق بين هاتف في يد شخص ونظام مسح يعمل بال RTK ويقيس بالسنتيمترات.
- الهاتف سجل أيضاً سرعة الحركة نحو 14 كم/ساعة واتجاه الكاميرا 251.9 درجة من الشمال، أي أن الصورة لا تقول أين التقطت فقط، وإنما إلى أين كانت تنظر، وهذا ما يحتاجه من يريد أن يضع لوحة رآها في الصورة على الخريطة.

⚠️

الحقول نفسها موجودة في صورك أنت إذا كان تحديد الموقع مفعلاً في الكاميرا، فقبل أن تنشر صورة من بيتك أو من مكان لا تريد أن يعرفه الناس، شغل عليها الأمر نفسه لترى ما فيها، أو احذف بيانات الموقع بالأمر `exiftool -gps:all= photo.jpg`.

### قراءة رقم المبنى من الصورة

الآن نجرب خطوة OCR على صورة لافتة رقم مبنى، والحل البسيط هو أن نعطي Tesseract الصورة كاملة كما التقطت من الشارع:

![لافتة زرقاء على جدار قديم بجانب باب حديدي صدئ، عليها اسم الشارع بالجورجية ثم Gizo Nishnianidze St. بالإنجليزية، والرقم 10 كبيراً بالأبيض، وتحتها اسم الحي والرمز 0105 وملصق إعلان صغير، وفوقها نبات متسلق](https://arabroot.io/content/images/2026/10/mapping-vehicles-11-house-sign.webp)

لافتة رقم المبنى 10 في شارع Gizo Nishnianidze في تبليسي، سبتمبر 2026\. الصورة: FingerWiki، بترخيص [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/?ref=arabroot.io)، المصدر: [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:2026-09-17%5F10%5FGizo%5FNishnianidze%5FStreet%5Fhouse%5Fnumber%5Fsign,%5FTbilisi.jpg?ref=arabroot.io) (تم تصغيرها وتحويلها إلى WebP).

```bash
docker exec lab-survey-tools tesseract sign-10.jpg - -l eng
```

والمخرج سوف يكون كما يلي:

```text
Estimating resolution as 186
$8.56 14.265

®

INDOWS
19585

MOTOP.GE

93
```

وعند تشغيل الأمر سوف تجد أنه لم يقرأ اسم الشارع ولا الرقم، وإنما قرأ أجزاء من الملصق الإعلاني الصغير على اللافتة، والسبب أن Tesseract صمم لقراءة صفحة نص، فإذا أعطيته صورة شارع فيها جدار وباب ونبات ولافتة صغيرة في المنتصف بحث عن النص في كل مكان ووجد أوضحه في الملصق. لذلك تسبق خطوة القراءة في سيارات المسح خطوة الاكتشاف Detection التي تحدد مكان اللافتة في الصورة. ونحن هنا نقوم بدور نموذج الاكتشاف يدوياً، فنقص منطقة اللافتة من الصورة الأصلية (عرضها 5472 بكسل) ثم نقرؤها:

```bash
docker exec lab-survey-tools sh -c 'magick sign-10.jpg -crop 1360x800+2100+1470 +repage sign-crop.jpg && tesseract sign-crop.jpg - -l eng'
```

والمخرج سوف يكون كما يلي:

```text
Detected 14 diacritics
| oli a
| bnlGnabindnl

Gizo
Nishnianidze St.

SCOHHOHOHEHTOHOHESEOHHOHOHHSHOHOHSEOHOHOSHHHHHHHHHESOSSHHOHLFOHHOOOHOSSEBOOCO

- ANIGAAGL NL mJN!MGN 0105
\e
```

تحسن الأمر كثيراً، فقد قرأ اسم الشارع بالإنجليزية صحيحاً، ولكنه لم يقرأ الرقم 10 نفسه، وهو أهم ما في اللافتة. والسبب كما تشرح [صفحة تحسين الجودة في توثيق Tesseract](https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html?ref=arabroot.io) أن الإصدارات من 4 فما بعد تعمل أفضل على نص داكن فوق خلفية فاتحة، ولافتتنا نص فاتح فوق أزرق، وأن الوضع الافتراضي يتوقع صفحة نص متصلة، والرقم الكبير المنفصل عن بقية النص لا يناسب هذا التوقع. لذلك نحول الصورة إلى رمادية ونعكس ألوانها ونصغرها، ونستخدم وضع تقسيم الصفحة `--psm 11` الذي يبحث عن نص متفرق Sparse Text:

```bash
docker exec lab-survey-tools sh -c 'magick sign-crop.jpg -colorspace Gray -negate -resize 50% sign-prep.png && tesseract sign-prep.png - -l eng --psm 11'
```

والمخرج سوف يكون كما يلي:

```text
|, abm

bndbnabndnl .

Gizo

10

Nishnianidze St.

OOWGANGENL INMBN 0105

Sy
```

في المخرج أعلاه لاحظ التالي:

- ظهر الرقم `10` واسم الشارع `Gizo` و`Nishnianidze St.`، وهذه هي الحقول التي يحتاجها العنوان.
- الأسطر الأخرى الغريبة هي النص الجورجي على اللافتة، فنحن طلبنا النموذج الإنجليزي `eng` فقط، فحاول قراءة حروف لا يعرفها، ولو كانت اللافتة عربية لاحتجنا نموذج اللغة العربية `ara`.
- الرقم `0105` في آخر اللافتة هو جزء من سطر الحي، وليس رقم المبنى، ولا يعرف Tesseract الفرق، لذلك تحتاج الأنظمة الحقيقية خطوة بعد القراءة تفهم أي نص هو الرقم وأيه اسم الشارع، ثم تقارنه بالمبنى الذي يقابله على الخريطة.

وهذا ما يحدث في كل صورة من ملايين الصور، ولكن بنماذج أدق مدربة على لافتات كل بلد، ومع ذلك تبقى الفكرة كما رأيتها: حدد مكان النص، ثم جهز الصورة، ثم اقرأها، ثم افهم ما قرأته. وفي [مرحلة معالجة الصور والمستندات](https://arabroot.io/start/#stage-special) من خريطة الطريق مقال مخطط عن استخراج النص من الصور والمستندات بأداة Tesseract بالتفصيل.

### تنظيف المختبر

نحذف ال Container بالاسم:

```bash
docker rm -f lab-survey-tools
```

والمخرج سوف يكون كما يلي:

```text
lab-survey-tools
```

ثم احذف المجلد `survey-lab` إذا لم تعد تحتاج الصور.

## البديل الجماعي: الهواتف وكاميرات السيارات

سيارة المسح غالية كما سيأتي، لذلك ظهرت طريقة أخرى: أن يصور الناس الشوارع بهواتفهم وكاميرات سياراتهم Dashcams ثم يرفعوا الصور إلى منصة مشتركة، فتجمع المنصة من آلاف الأشخاص ما لا تستطيع سيارة واحدة جمعه.

- **Mapillary:** منصة صور شوارع جماعية [انضمت إلى Facebook](https://blog.mapillary.com/news/2020/06/18/Mapillary-joins-Facebook.html?ref=arabroot.io) في يونيو 2020، و[شروط استخدامها](https://www.mapillary.com/terms?ref=arabroot.io) اليوم تذكر أن الخدمة تقدمها Meta Platforms Ireland Limited، وأن استخدام الصور التي يرفعها المستخدمون يخضع لترخيص Creative Commons Share Alike (CC BY-SA) ما لم يذكر غير ذلك، وأنها تستخدم تقنية لطمس الوجوه ولوحات السيارات، وتمنع أي محاولة لإزالة الطمس أو التعرف على الأشخاص.
- **KartaView:** منصة صور شوارع مفتوحة لخدمة OpenStreetMap، وكان اسمها OpenStreetCam ثم بنتها Telenav وانتقلت إلى Grab في ديسمبر 2019 كما في [صفحتها في ويكي OpenStreetMap](https://wiki.openstreetmap.org/wiki/KartaView?ref=arabroot.io)، وتذكر الصفحة أن صورها متاحة بترخيص CC BY-SA 4.0، وتطبيقاتها وأدوات الرفع منشورة في [حسابها على GitHub](https://github.com/kartaview?ref=arabroot.io).
- **مساهمات المستخدمين في التطبيقات:** [هدهد](https://hudhud.sa/ar?ref=arabroot.io) مثلاً تتيح لمستخدميها إضافة مكان ناقص على الخريطة والإبلاغ عن الحوادث والزحام، وهذا جمع جماعي أيضاً ولكن للأماكن والبلاغات وليس للصور.

ولاحظ أن الصور الجماعية حرة الترخيص مفيدة جداً لمن يبني خريطة بنفسه، فالمحرر في OpenStreetMap يستطيع أن يرى لوحة السرعة في صورة Mapillary ثم يضيفها إلى الخريطة، ولكن ترخيص CC BY-SA يلزمك بنسبة الصورة لصاحبها ومشاركة ما تشتقه منها بالترخيص نفسه، فاقرأ الشروط قبل أن تبني عليها منتجاً تجارياً.

|            | سيارة المسح المجهزة                                                                      | التصوير الجماعي بالهاتف والكاميرا                                                 |
| ---------- | ---------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------- |
| نقاط القوة | دقة بالسنتيمترات، وليزر وصور في مرور واحد، وتغطية مخططة لكل شارع                         | تكلفة قليلة، وتحديث متكرر حيث يكثر المستخدمون، وصور حرة الترخيص في بعض المنصات    |
| نقاط الضعف | تكلفة عالية للعتاد والسائقين والمعالجة، وتحديث بطيء لأن السيارة لا تمر في كل شارع كل شهر | موقع بخطأ بالأمتار، وجودة متفاوتة، وتغطية ضعيفة في الأحياء الهادئة والطرق البعيدة |
| يناسب      | الخرائط عالية الدقة والمسارات والقياسات الهندسية                                         | اللوحات وواجهات المحلات وتحديث التغييرات الصغيرة                                  |

## الخصوصية والأنظمة

سيارة المسح تصور كل من يمر في الشارع، والسيارات الواقفة، وواجهات البيوت، لذلك فهي من أوضح الأمثلة على جمع البيانات الشخصية في مكان عام. وفي السعودية يعرف [نظام حماية البيانات الشخصية](https://laws.boe.gov.sa/BoeLaws/Laws/LawDetails/b7cfae89-828e-4994-b167-adaa00e37188/1?ref=arabroot.io) البيانات الشخصية بأنها كل بيان يؤدي إلى معرفة الفرد أو يجعل التعرف عليه ممكناً بصفة مباشرة أو غير مباشرة، ويذكر منها صراحة «صور الفرد الثابتة أو المتحركة» و«العناوين»، ويشترط النظام أن يكون محتوى البيانات المجموعة مقصوراً على الحد الأدنى اللازم لتحقيق الغرض من جمعها. ولا نقدم هنا رأياً قانونياً في مشروع بعينه، وإنما نقول إن من يجمع صور الشوارع عليه أن يقرأ النظام ولوائحه في بلده قبل أن يبدأ، وليس بعد أن تمتلئ الأقراص.

أما الشركات فتعلن ما تفعله في صفحاتها: [Google](https://www.google.com/streetview/policy/?ref=arabroot.io) تطمس الوجوه واللوحات تلقائياً، وتتيح لك أن تطلب طمس بيتك أو سيارتك أو جسمك كاملاً من أداة «Report a problem» وتطبق الطمس على كل نسخ الصورة المنشورة، و[Apple](https://maps.apple.com/imagecollection/?ref=arabroot.io) تتيح طلب طمس وجه أو لوحة أو بيت عبر البريد المذكور في صفحتها. ولاحظ أن الشركتين تذكران في الصفحات نفسها أنهما تستخدمان الصور بعد طمسها في تدريب نماذج ذكاء اصطناعي، Google لنماذجها التوليدية وApple لنماذج التعرف على الصور وإنشائها، وهذا استخدام لم يكن في ذهن أحد حين بدأت هذه السيارات بالتصوير.

📌

في أبريل 2012 نشرت لجنة الاتصالات الفيدرالية الأمريكية FCC [قرارها](https://docs.fcc.gov/public/attachments/DA-12-592A1.pdf?ref=arabroot.io) في قضية سيارات Street View، فقد جمعت السيارات بين مايو 2007 ومايو 2010 بيانات عن شبكات Wi-Fi لتحديد المواقع، ولكن الكود جمع معها محتوى الاتصالات Payload من الشبكات المفتوحة، ومنه رسائل بريد وكلمات مرور، وقالت Google إن الكود أضيف إلى البرنامج خطأً. وأصدرت اللجنة إشعاراً بغرامة قدرها 25,000 دولار لأن Google أخرت التحقيق ولم تستجب لطلبات المعلومات في وقتها، ولم تتخذ إجراء بشأن جمع البيانات نفسه لعدم وجود سابقة واضحة لتطبيق القانون عليه. والدرس لمن يبني نظام مسح: كل حساس في السيارة يجمع شيئاً، فاعرف ما يجمعه كل كود يعمل فيها، ولا تجمع ما لا تحتاجه.

## كم تكلف هذه الطريقة؟

لا تنشر الشركات تكلفة أساطيلها، ولا تنشر الشركات المصنعة أسعار أنظمة المسح في صفحاتها، فصفحة [AU20](https://geospatial.chcnav.com/products/chcnav-au20-mms?ref=arabroot.io) مثلاً تطلب منك إرسال استفسار Send an Inquiry بدل أن تعرض سعراً، لذلك لن نخترع رقماً، وإنما نعدد ما تدفع عليه الشركة حتى تفهم لماذا لا تستطيع كل شركة أن تفعل ذلك:

- **العتاد:** نظام المسح نفسه بالليزر والكاميرا وال GNSS وال IMU، والسيارة، والحاسوب والأقراص، وقطع الغيار.
- **التشغيل:** السائقون والوقود والصيانة وتخطيط المسارات، والانتظار حتى يكون الجو والضوء مناسبين، و[Google تذكر](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) أنها تراعي الطقس والكثافة السكانية في اختيار وقت التصوير ومكانه.
- **التصحيحات:** اشتراك في خدمة RTK أو PPP، أو بناء محطات أساس خاصة.
- **التخزين والمعالجة:** مليارات النقاط وملايين الصور تحتاج مساحة كبيرة وحوسبة لدمج الصور وتشغيل نماذج الاكتشاف والقراءة.
- **المراجعة البشرية:** ما لا تثق فيه النماذج يحتاج من يراجعه.
- **التكرار:** والأهم أن العمل لا ينتهي، فالشارع يتغير، و[جدول Apple](https://maps.apple.com/imagecollection/?ref=arabroot.io) مثلاً يذكر لعشرات المقاطعات في ولاية Alabama وحدها فترة مسح بالسيارات تمتد سنة 2026 كلها.

ولهذا تجمع الشركات بين الطريقتين: سيارة مسح للقياس الدقيق والتغطية الأساسية، ومساهمات المستخدمين وبيانات الهواتف لاكتشاف ما تغير بين مرور ومرور، وهي البيانات نفسها التي تعرف منها الخرائط الزحام كما سنشرح في مقال قادم من [هذه المرحلة](https://arabroot.io/start/#stage-maps) بإذن الله.

[![](https://arabroot.io/content/images/2026/10/self-hosted-maps-cover-cover.webp)دليلخرائطك على سيرفرك مع OpenStreetMap وMapLibreكيف تعرض خريطة تفاعلية لمدينتك من سيرفرك ببيانات OpenStreetMap، بالعربية والإنجليزية ودون مفتاح API أو مزود خارجي.](https://arabroot.io/articles/%D8%AE%D8%B1%D8%A7%D8%A6%D8%B7%D9%83-%D8%B9%D9%84%D9%89-%D8%B3%D9%8A%D8%B1%D9%81%D8%B1%D9%83-%D9%85%D8%B9-openstreetmap-%D9%88-maplibre/)[![](https://arabroot.io/content/images/2026/10/nominatim-cover-cover.webp)دليلالبحث عن العناوين Geocoding مع Nominatimكيف تحول اسم المكان إلى إحداثيات والإحداثيات إلى عنوان على سيرفرك مع Nominatim، وما الذي يجيده بالعربية وما الذي يفوته.](https://arabroot.io/articles/%D8%A7%D9%84%D8%A8%D8%AD%D8%AB-%D8%B9%D9%86-%D8%A7%D9%84%D8%B9%D9%86%D8%A7%D9%88%D9%8A%D9%86-geocoding-%D9%85%D8%B9-nominatim/)[![](https://arabroot.io/content/images/2026/10/traffic-data-cover-cover.webp)دليلكيف تعرف الخرائط الزحام وسرعة الطريق؟كيف تتحول نقاط GPS من الهواتف إلى سرعة لكل شارع وزمن وصول أدق، وما الذي يحمي خصوصية أصحابها.](https://arabroot.io/articles/%D9%83%D9%8A%D9%81-%D8%AA%D8%B9%D8%B1%D9%81-%D8%A7%D9%84%D8%AE%D8%B1%D8%A7%D8%A6%D8%B7-%D8%A7%D9%84%D8%B2%D8%AD%D8%A7%D9%85-%D9%88%D8%B3%D8%B1%D8%B9%D8%A9-%D8%A7%D9%84%D8%B7%D8%B1%D9%8A%D9%82/)[![](https://arabroot.io/content/images/2026/10/build-map-app-cover-cover.webp)دليلكيف تبني تطبيق خرائط وملاحة مثل هدهد وGoogle Maps؟ما الذي يقف خلف كل ميزة في تطبيقات الخرائط، وكيف تبني نسخة أولى منها بأدوات مفتوحة المصدر وبيانات مرخصة بشكل صحيح.](https://arabroot.io/articles/%D9%83%D9%8A%D9%81-%D8%AA%D8%A8%D9%86%D9%8A-%D8%AA%D8%B7%D8%A8%D9%8A%D9%82-%D8%AE%D8%B1%D8%A7%D8%A6%D8%B7-%D9%88%D9%85%D9%84%D8%A7%D8%AD%D8%A9-%D9%85%D8%AB%D9%84-%D9%87%D8%AF%D9%87%D8%AF-%D9%88-google-maps/)[![](https://arabroot.io/content/images/2026/10/camera-types-cover-cover.webp)دليلأنواع كاميرات المراقبة وكيف تختار بينهاما الفرق بين أنواع كاميرات المراقبة، وما الذي تحتاجه في الكاميرا حتى تسجلها على جهازك، وكم قرصاً تحتاج للتسجيلات.](https://arabroot.io/articles/%D8%A7%D9%86%D9%88%D8%A7%D8%B9-%D9%83%D8%A7%D9%85%D9%8A%D8%B1%D8%A7%D8%AA-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9-%D9%88%D9%83%D9%8A%D9%81-%D8%AA%D8%AE%D8%AA%D8%A7%D8%B1-%D8%A8%D9%8A%D9%86%D9%87%D8%A7/)

## تدريب عملي

- شغل أمر ExifTool أعلاه على صورة التقطتها بهاتفك، وانظر هل فيها الموقع والاتجاه وتقدير الخطأ، ثم جرب حذف بيانات الموقع وتأكد أنها حذفت.
- افتح جدول [Google](https://www.google.com/streetview/how-it-works/?ref=arabroot.io) و[قائمة Apple](https://maps.apple.com/imagecollection/locations/us/en?ref=arabroot.io) وابحث عن بلدك، ثم افتح تطبيق خرائط فيه صور شوارع لمدينتك وانظر إلى تاريخ الصورة في شارعك.
- صور لافتة رقم بيتك وجرب عليها خطوات OCR الثلاث، وجرب نموذج اللغة العربية `ara` إذا كانت اللافتة عربية.

## الخلاصة

وصلنا لنهاية الموضوع، وأهم ما فيه:

- صور الأقمار الصناعية تعطي شكل المدينة، ولكن اللوحات وأرقام المباني وواجهات المحلات والمسارات تحتاج من يمر في الشارع، لذلك تسير الشركات أساطيل من سيارات المسح وتعود إلى الشوارع دورياً.
- هدهد تذكر رسمياً أنها تستخدم نظام CHCNAV AU20 ثنائي الرأس بأربعة ملايين نقطة في الثانية وكاميرا 72 ميغابكسل، وجداول Google وApple العامة لم تكن فيها السعودية عند مراجعتنا في أكتوبر 2026.
- LiDAR يقيس المسافة من زمن ذهاب النبضة وعودتها، و200 نانوثانية تعني 30 متراً، وخطأ نانوثانية واحدة يعني نحو 15 سنتيمتراً.
- الدقة بالسنتيمترات تأتي من دمج GNSS مع تصحيحات RTK أو PPP، وال IMU وعداد العجلة يحملان الموقع في الأنفاق، وكل حساس يجب أن يتفق مع الآخرين على الوقت.
- الأقراص تمر بدمج الصور وطمس الوجوه واللوحات والاكتشاف وقراءة النص والمراجعة قبل أن تصل إلى التطبيق، وفي تجربتنا لم يقرأ Tesseract رقم المبنى حتى حددنا اللافتة وجهزنا الصورة.
- التصوير الجماعي مثل Mapillary وKartaView أرخص وأكثر تكراراً، ولكن موقعه بالأمتار وجودته متفاوتة.
- صور الشوارع بيانات شخصية في نظر نظام حماية البيانات الشخصية، فاجمع الحد الأدنى، واطمس ما يعرف بالأشخاص، واعرف ما يجمعه كل كود في سيارتك.

## سجل التحديثات

- أكتوبر 2026: كتابة المقال، والتجربة بأداة ExifTool 13.25 وtesseract 5.5.0 وImageMagick 7.1.1-43 داخل debian:13.1 على Docker Engine 29.8.0، ومراجعة جداول Google وApple وصفحات هدهد وCHCNAV في 9 أكتوبر 2026.