Update app.py

app.py

@@ -1,4 +1,266 @@
-# app.py
+# # app.py
+
+# import os
+# import json
+# import traceback
+# import torch
+# import gradio as gr
+# import numpy as np
+# from PIL import Image
+# import cv2
+# import math
+
+# # --- استيراد من الملفات المنظمة في مشروعك ---
+# from model import build_interfuser_model 
+# from logic import (
+#     transform, lidar_transform, InterfuserController, ControllerConfig,
+#     Tracker, DisplayInterface, render, render_waypoints, render_self_car,
+#     ensure_rgb, WAYPOINT_SCALE_FACTOR, T1_FUTURE_TIME, T2_FUTURE_TIME
+# )
+
+# # ==============================================================================
+# #           1. إعدادات ومسارات النماذج
+# # ==============================================================================
+# WEIGHTS_DIR = "model"
+# EXAMPLES_DIR = "examples" 
+# device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+# MODELS_SPECIFIC_CONFIGS = {
+#     "interfuser_baseline": { "rgb_backbone_name": "r50", "embed_dim": 256, "direct_concat": True },
+#     "interfuser_lightweight": { "rgb_backbone_name": "r26", "embed_dim": 128, "enc_depth": 4, "dec_depth": 4, "direct_concat": True }
+# }
+
+# def find_available_models():
+#     if not os.path.isdir(WEIGHTS_DIR): return []
+#     return [f.replace(".pth", "") for f in os.listdir(WEIGHTS_DIR) if f.endswith(".pth")]
+
+# # ==============================================================================
+# #           2. الدوال الأساسية
+# # ==============================================================================
+
+# def load_model(model_name: str):
+#     if not model_name or "لم يتم" in model_name:
+#         return None, "الرجاء اختيار نموذج صالح."
+#     weights_path = os.path.join(WEIGHTS_DIR, f"{model_name}.pth")
+#     print(f"Building model: '{model_name}'")
+#     model_config = MODELS_SPECIFIC_CONFIGS.get(model_name, {})
+#     model = build_interfuser_model(model_config)
+#     if not os.path.exists(weights_path):
+#         gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود.")
+#     else:
+#         try:
+#             state_dic = torch.load(weights_path, map_location=device, weights_only=True)
+#             model.load_state_dict(state_dic)
+#             print(f"تم تحميل أوزان النموذج '{model_name}' بنجاح.")
+#         except Exception as e:
+#             gr.Warning(f"فشل تحميل الأوزان للنموذج '{model_name}': {e}.")
+#     model.to(device)
+#     model.eval()
+#     return model, f"تم تحميل نموذج: {model_name}"
+
+
+# def run_single_frame(
+#     model_from_state, rgb_image_path, rgb_left_image_path, rgb_right_image_path,
+#     rgb_center_image_path, lidar_image_path, measurements_path, target_point_list
+# ):
+#     """
+#     (نسخة أكثر قوة مع معالجة أخطاء مفصلة)
+#     """
+#     if model_from_state is None:
+#         print("API session detected or model not loaded. Loading default model...")
+#         available_models = find_available_models()
+#         if not available_models: raise gr.Error("لا توجد نماذج متاحة للتحميل.")
+#         model_to_use, _ = load_model(available_models[0])
+#     else:
+#         model_to_use = model_from_state
+    
+#     if model_to_use is None:
+#         raise gr.Error("فشل تحميل النموذج. تحقق من السجلات (Logs).")
+
+#     try:
+#         # --- 1. التحقق من المدخلات المطلوبة ---
+#         if not (rgb_image_path and measurements_path):
+#             raise gr.Error("الرجاء توفير الصورة الأمامية وملف القياسات على الأقل.")
+
+#         # --- 2. قراءة ومعالجة المدخلات مع معالجة أخطاء مفصلة ---
+#         try:
+#             rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
+#         except Exception as e:
+#             raise gr.Error(f"فشل تحميل صورة الكاميرا الأمامية. تأكد من أن الملف صحيح. الخطأ: {e}")
+
+#         def load_optional_image(path, default_image):
+#             if path:
+#                 try:
+#                     return Image.open(path).convert("RGB")
+#                 except Exception as e:
+#                     raise gr.Error(f"فشل تحميل الصورة الاختيارية '{os.path.basename(path)}'. الخطأ: {e}")
+#             return default_image
+
+#         rgb_left_pil = load_optional_image(rgb_left_image_path, rgb_image_pil)
+#         rgb_right_pil = load_optional_image(rgb_right_image_path, rgb_image_pil)
+#         rgb_center_pil = load_optional_image(rgb_center_image_path, rgb_image_pil)
+
+#         if lidar_image_path:
+#             try:
+#                 lidar_array = np.load(lidar_image_path)
+#                 if lidar_array.max() > 0: lidar_array = (lidar_array / lidar_array.max()) * 255.0
+#                 lidar_pil = Image.fromarray(lidar_array.astype(np.uint8)).convert('RGB')
+#             except Exception as e:
+#                 raise gr.Error(f"فشل تحميل ملف الليدار (.npy). تأكد من أن الملف صحيح. الخطأ: {e}")
+#         else:
+#             lidar_pil = Image.fromarray(np.zeros((112, 112, 3), dtype=np.uint8))
+
+#         try:
+#             with open(measurements_path, 'r') as f: m_dict = json.load(f)
+#         except Exception as e:
+#             raise gr.Error(f"فشل تحميل أو قراءة ملف القياسات (.json). تأكد من أنه بصيغة صحيحة. الخطأ: {e}")
+        
+#         # --- 3. تحويل البيانات إلى تنسورات ---
+#         front_tensor = transform(rgb_image_pil).unsqueeze(0).to(device)
+#         left_tensor = transform(rgb_left_pil).unsqueeze(0).to(device)
+#         right_tensor = transform(rgb_right_pil).unsqueeze(0).to(device)
+#         center_tensor = transform(rgb_center_pil).unsqueeze(0).to(device)
+#         lidar_tensor = lidar_transform(lidar_pil).unsqueeze(0).to(device)
+
+#         measurements_tensor = torch.tensor([[
+#             m_dict.get('x',0.0), m_dict.get('y',0.0), m_dict.get('theta',0.0), m_dict.get('speed',5.0),
+#             m_dict.get('steer',0.0), m_dict.get('throttle',0.0), float(m_dict.get('brake',0.0)),
+#             m_dict.get('command',2.0), float(m_dict.get('is_junction',0.0)), float(m_dict.get('should_brake',0.0))
+#         ]], dtype=torch.float32).to(device)
+        
+#         target_point_tensor = torch.tensor([target_point_list], dtype=torch.float32).to(device)
+        
+#         inputs = {'rgb': front_tensor, 'rgb_left': left_tensor, 'rgb_right': right_tensor, 'rgb_center': center_tensor, 'lidar': lidar_tensor, 'measurements': measurements_tensor, 'target_point': target_point_tensor}
+
+#         # --- 4. تشغيل النموذج ---
+#         with torch.no_grad():
+#             outputs = model_to_use(inputs)
+#             traffic, waypoints, is_junction, traffic_light, stop_sign, _ = outputs
+        
+#         # --- 5. المعالجة اللاحقة والتصوّر ---
+#         speed, pos, theta = m_dict.get('speed',5.0), [m_dict.get('x',0.0), m_dict.get('y',0.0)], m_dict.get('theta',0.0)
+#         traffic_np, waypoints_np = traffic[0].detach().cpu().numpy().reshape(20,20,-1), waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
+#         tracker, controller = Tracker(), InterfuserController(ControllerConfig())
+#         updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, 0)
+#         steer, throttle, brake, metadata = controller.run_step(speed, waypoints_np, is_junction.sigmoid()[0,1].item(), traffic_light.sigmoid()[0,0].item(), stop_sign.sigmoid()[0,1].item(), updated_traffic)
+        
+#         # ... (كود الرسم)
+#         map_t0, counts_t0 = render(updated_traffic, t=0)
+#         map_t1, counts_t1 = render(updated_traffic, t=T1_FUTURE_TIME)
+#         map_t2, counts_t2 = render(updated_traffic, t=T2_FUTURE_TIME)
+#         wp_map = render_waypoints(waypoints_np)
+#         self_car_map = render_self_car(np.array([0,0]), [math.cos(0), math.sin(0)], [4.0, 2.0])
+#         map_t0 = cv2.add(cv2.add(map_t0, wp_map), self_car_map)
+#         map_t0 = cv2.resize(map_t0, (400, 400))
+#         map_t1 = cv2.add(ensure_rgb(map_t1), ensure_rgb(self_car_map)); map_t1 = cv2.resize(map_t1, (200, 200))
+#         map_t2 = cv2.add(ensure_rgb(map_t2), ensure_rgb(self_car_map)); map_t2 = cv2.resize(map_t2, (200, 200))
+#         display = DisplayInterface()
+#         light_state, stop_sign_state = "Red" if traffic_light.sigmoid()[0,0].item() > 0.5 else "Green", "Yes" if stop_sign.sigmoid()[0,1].item() > 0.5 else "No"
+#         interface_data = {'camera_view': np.array(rgb_image_pil),'map_t0': map_t0,'map_t1': map_t1,'map_t2': map_t2,
+#             'text_info': {'Control': f"S:{steer:.2f} T:{throttle:.2f} B:{int(brake)}",'Light': f"L: {light_state}",'Stop': f"St: {stop_sign_state}"},
+#             'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
+#         dashboard_image = display.run_interface(interface_data)
+        
+#         # --- 6. تجهيز المخرجات ---
+#         control_commands_dict = {"steer": steer, "throttle": throttle, "brake": bool(brake)}
+#         return Image.fromarray(dashboard_image), control_commands_dict
+    
+#     except gr.Error as e:
+#         raise e # أعد إظهار أخطاء Gradio كما هي
+#     except Exception as e:
+#         print(traceback.format_exc())
+#         raise gr.Error(f"حدث خطأ غير متوقع أثناء معالجة الإطار: {e}")
+
+
+# # ==============================================================================
+# #           5. تعريف واجهة Gradio (لا تغيير هنا)
+# # ==============================================================================
+# # ... (كود الواجهة بالكامل يبقى كما هو من النسخة السابقة) ...
+# available_models = find_available_models()
+
+# with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), css=".gradio-container {max-width: 95% !important;}") as demo:
+#     model_state = gr.State(value=None)
+    
+#     gr.Markdown("# 🚗 محاكاة القيادة الذاتية باستخدام Interfuser")
+#     gr.Markdown("مرحباً بك في واجهة اختبار نموذج Interfuser. اتبع الخطوات أدناه لتشغيل المحاكاة على إطار واحد.")
+
+#     with gr.Row():
+#         # -- العمود الأيسر: الإعدادات والمدخلات --
+#         with gr.Column(scale=1):
+#             with gr.Group():
+#                 gr.Markdown("## ⚙️ الخطوة 1: اختر النموذج")
+#                 with gr.Row():
+#                     model_selector = gr.Dropdown(
+#                         label="النماذج المتاحة",
+#                         choices=available_models,
+#                         value=available_models[0] if available_models else "لم يتم العثور على نماذج"
+#                     )
+#                     status_textbox = gr.Textbox(label="حالة النموذج", interactive=False)
+            
+#             with gr.Group():
+#                 gr.Markdown("## 🗂️ الخطوة 2: ارفع ملفات السيناريو")
+                
+#                 with gr.Group():
+#                     gr.Markdown("**(مطلوب)**")
+#                     api_rgb_image_path = gr.File(label="صورة الكاميرا الأمامية (RGB)", type="filepath")
+#                     api_measurements_path = gr.File(label="ملف القياسات (JSON)", type="filepath")
+
+#                 with gr.Accordion("📷 مدخلات اختيارية (كاميرات ومستشعرات إضافية)", open=False):
+#                     api_rgb_left_image_path = gr.File(label="كاميرا اليسار (RGB)", type="filepath")
+#                     api_rgb_right_image_path = gr.File(label="كاميرا اليمين (RGB)", type="filepath")
+#                     api_rgb_center_image_path = gr.File(label="كاميرا الوسط (RGB)", type="filepath")
+#                     api_lidar_image_path = gr.File(label="بيانات الليدار (NPY)", type="filepath")
+                
+#                 api_target_point_list = gr.JSON(label="📍 النقطة المستهدفة (x, y)", value=[0.0, 100.0])
+                
+#                 api_run_button = gr.Button("🚀 شغل المحاكاة", variant="primary", scale=2)
+
+#             with gr.Group():
+#                 gr.Markdown("### ✨ أمثلة جاهزة")
+#                 gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples`).")
+#                 gr.Examples(
+#                     examples=[
+#                         [os.path.join(EXAMPLES_DIR, "sample1", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
+#                         [os.path.join(EXAMPLES_DIR, "sample2", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
+#                     ],
+#                     inputs=[api_rgb_image_path, api_measurements_path],
+#                     label="اختر سيناريو اختبار"
+#                 )
+
+#         # -- العمود الأيمن: المخرجات --
+#         with gr.Column(scale=2):
+#             with gr.Group():
+#                 gr.Markdown("## 📊 الخطوة 3: شاهد النتائج")
+#                 api_output_image = gr.Image(label="لوحة التحكم المرئية (Dashboard)", type="pil", interactive=False)
+#                 api_control_json = gr.JSON(label="أوامر التحكم (JSON)")
+
+#     # --- ربط منطق الواجهة ---
+#     if available_models:
+#         demo.load(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
+    
+#     model_selector.change(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
+    
+#     api_run_button.click(
+#         fn=run_single_frame,
+#         inputs=[model_state, api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, 
+#                 api_rgb_center_image_path, api_lidar_image_path, api_measurements_path, api_target_point_list],
+#         outputs=[api_output_image, api_control_json],
+#         api_name="run_single_frame"
+#     )
+
+# # ==============================================================================
+# #           6. تشغيل التطبيق
+# # ==============================================================================
+# if __name__ == "__main__": 
+#     if not available_models:
+#         print("تحذير: لم يتم العثور على أي ملفات نماذج (.pth) في مجلد 'model/weights'.")
+#     demo.queue().launch(debug=True, share=True, show_api=True)
+
+
+
+
+# الحديد
+# app.py (النسخة المدمجة مع FastAPI)
 
 import os
 import json
@@ -9,6 +271,8 @@ import numpy as np
 from PIL import Image
 import cv2
 import math
+from fastapi import FastAPI, UploadFile, File, Form, HTTPException # ✅ استيراد FastAPI
+from typing import List # ✅ استيراد للـ Type Hinting
 
 # --- استيراد من الملفات المنظمة في مشروعك ---
 from model import build_interfuser_model 
@@ -18,8 +282,15 @@ from logic import (
     ensure_rgb, WAYPOINT_SCALE_FACTOR, T1_FUTURE_TIME, T2_FUTURE_TIME
 )
 
+# ✅ ==============================================================================
+#           ✅ 0. إنشاء تطبيق FastAPI الرئيسي
+# ✅ ==============================================================================
+# هذا هو التطبيق الرئيسي الذي سيتم تشغيله.
+# سيحتوي على كل من واجهة Gradio وواجهة API المخصصة.
+app = FastAPI()
+
 # ==============================================================================
-#           1. إعدادات ومسارات النماذج
+#           1. إعدادات ومسارات النماذج (لا تغيير)
 # ==============================================================================
 WEIGHTS_DIR = "model"
 EXAMPLES_DIR = "examples" 
@@ -35,10 +306,12 @@ def find_available_models():
     return [f.replace(".pth", "") for f in os.listdir(WEIGHTS_DIR) if f.endswith(".pth")]
 
 # ==============================================================================
-#           2. الدوال الأساسية
+#           2. الدوال الأساسية (لا تغيير)
 # ==============================================================================
 
+# ... (دالة load_model تبقى كما هي تمامًا) ...
 def load_model(model_name: str):
+    # ... نفس الكود ...
     if not model_name or "لم يتم" in model_name:
         return None, "الرجاء اختيار نموذج صالح."
     weights_path = os.path.join(WEIGHTS_DIR, f"{model_name}.pth")
@@ -58,14 +331,12 @@ def load_model(model_name: str):
     model.eval()
     return model, f"تم تحميل نموذج: {model_name}"
 
-
+# ... (دالة run_single_frame تبقى كما هي تمامًا) ...
 def run_single_frame(
     model_from_state, rgb_image_path, rgb_left_image_path, rgb_right_image_path,
     rgb_center_image_path, lidar_image_path, measurements_path, target_point_list
 ):
-    """
-    (نسخة أكثر قوة مع معالجة أخطاء مفصلة)
-    """
+    # ... نفس الكود ...
     if model_from_state is None:
         print("API session detected or model not loaded. Loading default model...")
         available_models = find_available_models()
@@ -78,180 +349,197 @@ def run_single_frame(
         raise gr.Error("فشل تحميل النموذج. تحقق من السجلات (Logs).")
 
     try:
-        # --- 1. التحقق من المدخلات المطلوبة ---
+        # ... (بقية الكود داخل الدالة لا يتغير) ...
         if not (rgb_image_path and measurements_path):
             raise gr.Error("الرجاء توفير الصورة الأمامية وملف القياسات على الأقل.")
-
-        # --- 2. قراءة ومعالجة المدخلات مع معالجة أخطاء مفصلة ---
         try:
             rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
         except Exception as e:
             raise gr.Error(f"فشل تحميل صورة الكاميرا الأمامية. تأكد من أن الملف صحيح. الخطأ: {e}")
-
         def load_optional_image(path, default_image):
             if path:
-                try:
-                    return Image.open(path).convert("RGB")
-                except Exception as e:
-                    raise gr.Error(f"فشل تحميل الصورة الاختيارية '{os.path.basename(path)}'. الخطأ: {e}")
+                try: return Image.open(path).convert("RGB")
+                except Exception as e: raise gr.Error(f"فشل تحميل الصورة الاختيارية '{os.path.basename(path)}'. الخطأ: {e}")
             return default_image
-
         rgb_left_pil = load_optional_image(rgb_left_image_path, rgb_image_pil)
         rgb_right_pil = load_optional_image(rgb_right_image_path, rgb_image_pil)
         rgb_center_pil = load_optional_image(rgb_center_image_path, rgb_image_pil)
-
         if lidar_image_path:
             try:
                 lidar_array = np.load(lidar_image_path)
                 if lidar_array.max() > 0: lidar_array = (lidar_array / lidar_array.max()) * 255.0
                 lidar_pil = Image.fromarray(lidar_array.astype(np.uint8)).convert('RGB')
-            except Exception as e:
-                raise gr.Error(f"فشل تحميل ملف الليدار (.npy). تأكد من أن الملف صحيح. الخطأ: {e}")
+            except Exception as e: raise gr.Error(f"فشل تحميل ملف الليدار (.npy). تأكد من أن الملف صحيح. الخطأ: {e}")
         else:
             lidar_pil = Image.fromarray(np.zeros((112, 112, 3), dtype=np.uint8))
-
         try:
             with open(measurements_path, 'r') as f: m_dict = json.load(f)
-        except Exception as e:
-            raise gr.Error(f"فشل تحميل أو قراءة ملف القياسات (.json). تأكد من أنه بصيغة صحيحة. الخطأ: {e}")
-        
-        # --- 3. تحويل البيانات إلى تنسورات ---
+        except Exception as e: raise gr.Error(f"فشل تحميل أو قراءة ملف القياسات (.json). تأكد من أنه بصيغة صحيحة. الخطأ: {e}")
         front_tensor = transform(rgb_image_pil).unsqueeze(0).to(device)
         left_tensor = transform(rgb_left_pil).unsqueeze(0).to(device)
         right_tensor = transform(rgb_right_pil).unsqueeze(0).to(device)
         center_tensor = transform(rgb_center_pil).unsqueeze(0).to(device)
         lidar_tensor = lidar_transform(lidar_pil).unsqueeze(0).to(device)
-
-        measurements_tensor = torch.tensor([[
-            m_dict.get('x',0.0), m_dict.get('y',0.0), m_dict.get('theta',0.0), m_dict.get('speed',5.0),
-            m_dict.get('steer',0.0), m_dict.get('throttle',0.0), float(m_dict.get('brake',0.0)),
-            m_dict.get('command',2.0), float(m_dict.get('is_junction',0.0)), float(m_dict.get('should_brake',0.0))
-        ]], dtype=torch.float32).to(device)
-        
+        measurements_tensor = torch.tensor([[m_dict.get('x',0.0), m_dict.get('y',0.0), m_dict.get('theta',0.0), m_dict.get('speed',5.0), m_dict.get('steer',0.0), m_dict.get('throttle',0.0), float(m_dict.get('brake',0.0)), m_dict.get('command',2.0), float(m_dict.get('is_junction',0.0)), float(m_dict.get('should_brake',0.0))]], dtype=torch.float32).to(device)
         target_point_tensor = torch.tensor([target_point_list], dtype=torch.float32).to(device)
-        
         inputs = {'rgb': front_tensor, 'rgb_left': left_tensor, 'rgb_right': right_tensor, 'rgb_center': center_tensor, 'lidar': lidar_tensor, 'measurements': measurements_tensor, 'target_point': target_point_tensor}
-
-        # --- 4. تشغيل النموذج ---
         with torch.no_grad():
             outputs = model_to_use(inputs)
             traffic, waypoints, is_junction, traffic_light, stop_sign, _ = outputs
-        
-        # --- 5. المعالجة اللاحقة والتصوّر ---
         speed, pos, theta = m_dict.get('speed',5.0), [m_dict.get('x',0.0), m_dict.get('y',0.0)], m_dict.get('theta',0.0)
         traffic_np, waypoints_np = traffic[0].detach().cpu().numpy().reshape(20,20,-1), waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
         tracker, controller = Tracker(), InterfuserController(ControllerConfig())
         updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, 0)
         steer, throttle, brake, metadata = controller.run_step(speed, waypoints_np, is_junction.sigmoid()[0,1].item(), traffic_light.sigmoid()[0,0].item(), stop_sign.sigmoid()[0,1].item(), updated_traffic)
-        
-        # ... (كود الرسم)
         map_t0, counts_t0 = render(updated_traffic, t=0)
         map_t1, counts_t1 = render(updated_traffic, t=T1_FUTURE_TIME)
         map_t2, counts_t2 = render(updated_traffic, t=T2_FUTURE_TIME)
         wp_map = render_waypoints(waypoints_np)
         self_car_map = render_self_car(np.array([0,0]), [math.cos(0), math.sin(0)], [4.0, 2.0])
-        map_t0 = cv2.add(cv2.add(map_t0, wp_map), self_car_map)
-        map_t0 = cv2.resize(map_t0, (400, 400))
+        map_t0 = cv2.add(cv2.add(map_t0, wp_map), self_car_map); map_t0 = cv2.resize(map_t0, (400, 400))
         map_t1 = cv2.add(ensure_rgb(map_t1), ensure_rgb(self_car_map)); map_t1 = cv2.resize(map_t1, (200, 200))
         map_t2 = cv2.add(ensure_rgb(map_t2), ensure_rgb(self_car_map)); map_t2 = cv2.resize(map_t2, (200, 200))
         display = DisplayInterface()
         light_state, stop_sign_state = "Red" if traffic_light.sigmoid()[0,0].item() > 0.5 else "Green", "Yes" if stop_sign.sigmoid()[0,1].item() > 0.5 else "No"
-        interface_data = {'camera_view': np.array(rgb_image_pil),'map_t0': map_t0,'map_t1': map_t1,'map_t2': map_t2,
-            'text_info': {'Control': f"S:{steer:.2f} T:{throttle:.2f} B:{int(brake)}",'Light': f"L: {light_state}",'Stop': f"St: {stop_sign_state}"},
-            'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
+        interface_data = {'camera_view': np.array(rgb_image_pil),'map_t0': map_t0,'map_t1': map_t1,'map_t2': map_t2, 'text_info': {'Control': f"S:{steer:.2f} T:{throttle:.2f} B:{int(brake)}",'Light': f"L: {light_state}",'Stop': f"St: {stop_sign_state}"}, 'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
         dashboard_image = display.run_interface(interface_data)
-        
-        # --- 6. تجهيز المخرجات ---
         control_commands_dict = {"steer": steer, "throttle": throttle, "brake": bool(brake)}
         return Image.fromarray(dashboard_image), control_commands_dict
-    
-    except gr.Error as e:
-        raise e # أعد إظهار أخطاء Gradio كما هي
+    except gr.Error as e: raise e
     except Exception as e:
         print(traceback.format_exc())
         raise gr.Error(f"حدث خطأ غير متوقع أثناء معالجة الإطار: {e}")
 
+# ✅ ==============================================================================
+#           ✅ 3. تعريف نقطة النهاية المخصصة (Custom API) باستخدام FastAPI
+# ✅ ==============================================================================
+@app.post("/api/predict_flutter", tags=["Flutter API"])
+async def flutter_predict_endpoint(
+    rgb_image: UploadFile = File(..., description="صورة الكاميرا الأمامية المطلوبة"),
+    measurements_json: UploadFile = File(..., description="ملف القياسات المطلوب بصيغة JSON"),
+    target_point: str = Form(default='[0.0, 100.0]', description="النقطة المستهدفة كـ JSON string"),
+    # المدخلات الاختيارية
+    rgb_left_image: UploadFile = File(None),
+    rgb_right_image: UploadFile = File(None),
+    rgb_center_image: UploadFile = File(None),
+    lidar_data: UploadFile = File(None),
+):
+    """
+    نقطة نهاية بسيطة ومخصصة لتطبيق فلاتر.
+    تستقبل الملفات مباشرة وتستدعي دالة النموذج.
+    """
+    print("✅ Custom API endpoint /api/predict_flutter called!")
+
+    # دالة داخلية لحفظ الملفات المرفوعة مؤقتاً
+    async def save_upload_file(upload_file: UploadFile, destination: str):
+        if not upload_file: return None
+        try:
+            with open(destination, "wb") as f:
+                f.write(await upload_file.read())
+            return destination
+        except Exception as e:
+            raise HTTPException(status_code=500, detail=f"Could not save file: {e}")
+
+    # حفظ الملفات المطلوبة والاختيارية في مسارات مؤقتة
+    temp_rgb_path = await save_upload_file(rgb_image, "temp_rgb.png")
+    temp_measurements_path = await save_upload_file(measurements_json, "temp_measurements.json")
+    temp_left_path = await save_upload_file(rgb_left_image, "temp_left.png")
+    temp_right_path = await save_upload_file(rgb_right_image, "temp_right.png")
+    temp_center_path = await save_upload_file(rgb_center_image, "temp_center.png")
+    temp_lidar_path = await save_upload_file(lidar_data, "temp_lidar.npy")
+
+    try:
+        target_point_list = json.loads(target_point)
+    except json.JSONDecodeError:
+        raise HTTPException(status_code=400, detail="Invalid JSON format for target_point.")
+
+    try:
+        # استدعاء دالة النموذج مباشرة بالمسارات المؤقتة
+        # لا نحتاج لـ model_from_state لأننا سنقوم بتحميل النموذج مباشرة
+        dashboard_pil, commands_dict = run_single_frame(
+            model_from_state=None, # سيتم تحميل النموذج الافتراضي داخل الدالة
+            rgb_image_path=temp_rgb_path,
+            rgb_left_image_path=temp_left_path,
+            rgb_right_image_path=temp_right_path,
+            rgb_center_image_path=temp_center_path,
+            lidar_image_path=temp_lidar_path,
+            measurements_path=temp_measurements_path,
+            target_point_list=target_point_list
+        )
+        
+        # FastAPI لا يمكنه إرجاع كائن PIL مباشرة، يجب تحويله
+        # يمكننا إعادته كـ Base64 أو حفظه وإرجاع مساره
+        # للتبسيط، سنرجع فقط أوامر التحكم
+        print("✅ Model execution successful. Returning control commands.")
+        return commands_dict
+
+    except gr.Error as e:
+        # تحويل أخطاء Gradio إلى أخطاء HTTP
+        raise HTTPException(status_code=400, detail=str(e))
+    except Exception as e:
+        print(traceback.format_exc())
+        raise HTTPException(status_code=500, detail=f"An internal server error occurred: {e}")
+    finally:
+        # ✅ تنظيف الملفات المؤقتة بعد الاستخدام
+        for path in [temp_rgb_path, temp_measurements_path, temp_left_path, temp_right_path, temp_center_path, temp_lidar_path]:
+            if path and os.path.exists(path):
+                os.remove(path)
+
 
 # ==============================================================================
-#           5. تعريف واجهة Gradio (لا تغيير هنا)
+#           4. تعريف واجهة Gradio (لا تغيير)
 # ==============================================================================
-# ... (كود الواجهة بالكامل يبقى كما هو من النسخة السابقة) ...
 available_models = find_available_models()
-
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), css=".gradio-container {max-width: 95% !important;}") as demo:
+    # ... (كل كود واجهة Gradio يبقى كما هو تمامًا) ...
     model_state = gr.State(value=None)
-    
     gr.Markdown("# 🚗 محاكاة القيادة الذاتية باستخدام Interfuser")
     gr.Markdown("مرحباً بك في واجهة اختبار نموذج Interfuser. اتبع الخطوات أدناه لتشغيل المحا��اة على إطار واحد.")
-
     with gr.Row():
-        # -- العمود الأيسر: الإعدادات والمدخلات --
         with gr.Column(scale=1):
             with gr.Group():
                 gr.Markdown("## ⚙️ الخطوة 1: اختر النموذج")
                 with gr.Row():
-                    model_selector = gr.Dropdown(
-                        label="النماذج المتاحة",
-                        choices=available_models,
-                        value=available_models[0] if available_models else "لم يتم العثور على نماذج"
-                    )
+                    model_selector = gr.Dropdown(label="النماذج المتاحة", choices=available_models, value=available_models[0] if available_models else "لم يتم العثور على نماذج")
                     status_textbox = gr.Textbox(label="حالة النموذج", interactive=False)
-            
             with gr.Group():
                 gr.Markdown("## 🗂️ الخطوة 2: ارفع ملفات السيناريو")
-                
                 with gr.Group():
                     gr.Markdown("**(مطلوب)**")
                     api_rgb_image_path = gr.File(label="صورة الكاميرا الأمامية (RGB)", type="filepath")
                     api_measurements_path = gr.File(label="ملف القياسات (JSON)", type="filepath")
-
                 with gr.Accordion("📷 مدخلات اختيارية (كاميرات ومستشعرات إضافية)", open=False):
                     api_rgb_left_image_path = gr.File(label="كاميرا اليسار (RGB)", type="filepath")
                     api_rgb_right_image_path = gr.File(label="كاميرا اليمين (RGB)", type="filepath")
                     api_rgb_center_image_path = gr.File(label="كاميرا الوسط (RGB)", type="filepath")
                     api_lidar_image_path = gr.File(label="بيانات الليدار (NPY)", type="filepath")
-                
                 api_target_point_list = gr.JSON(label="📍 النقطة المستهدفة (x, y)", value=[0.0, 100.0])
-                
                 api_run_button = gr.Button("🚀 شغل المحاكاة", variant="primary", scale=2)
-
             with gr.Group():
                 gr.Markdown("### ✨ أمثلة جاهزة")
                 gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples`).")
-                gr.Examples(
-                    examples=[
-                        [os.path.join(EXAMPLES_DIR, "sample1", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
-                        [os.path.join(EXAMPLES_DIR, "sample2", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
-                    ],
-                    inputs=[api_rgb_image_path, api_measurements_path],
-                    label="اختر سيناريو اختبار"
-                )
-
-        # -- العمود الأيمن: المخرجات --
+                gr.Examples(examples=[[os.path.join(EXAMPLES_DIR, "sample1", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")], [os.path.join(EXAMPLES_DIR, "sample2", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]], inputs=[api_rgb_image_path, api_measurements_path], label="اختر سيناريو اختبار")
         with gr.Column(scale=2):
             with gr.Group():
                 gr.Markdown("## 📊 الخطوة 3: شاهد النتائج")
                 api_output_image = gr.Image(label="لوحة التحكم المرئية (Dashboard)", type="pil", interactive=False)
                 api_control_json = gr.JSON(label="أوامر التحكم (JSON)")
-
-    # --- ربط منطق الواجهة ---
     if available_models:
         demo.load(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
-    
     model_selector.change(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
-    
-    api_run_button.click(
-        fn=run_single_frame,
-        inputs=[model_state, api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, 
-                api_rgb_center_image_path, api_lidar_image_path, api_measurements_path, api_target_point_list],
-        outputs=[api_output_image, api_control_json],
-        api_name="run_single_frame"
-    )
+    api_run_button.click(fn=run_single_frame, inputs=[model_state, api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, api_rgb_center_image_path, api_lidar_image_path, api_measurements_path, api_target_point_list], outputs=[api_output_image, api_control_json], api_name="run_single_frame")
 
-# ==============================================================================
-#           6. تشغيل التطبيق
-# ==============================================================================
-if __name__ == "__main__":
-    if not available_models:
-        print("تحذير: لم يتم العثور على أي ملفا�� نماذج (.pth) في مجلد 'model/weights'.")
-    demo.queue().launch(debug=True, share=True, show_api=True)
+# ✅ ==============================================================================
+#           ✅ 5. تركيب واجهة Gradio على تطبيق FastAPI
+# ✅ ==============================================================================
+# هذه هي الخطوة السحرية التي تدمج العالمين معًا.
+app = gr.mount_ публіk(app, demo, path="/")
+
+# ✅ ==============================================================================
+#           ✅ 6. تعديل requirements.txt
+# ✅ ==============================================================================
+# تأكد من أن ملف requirements.txt يحتوي على:
+# fastapi
+# uvicorn
+# python-multipart
+# (بالإضافة إلى مكتباتك الحالية مثل torch, gradio, etc.)