一种轻量级的复杂环境下智能辅助盲人出行方法及其系统技术方案

本发明专利技术涉及智能辅助装备技术领域，具体涉及一种轻量级的复杂环境下智能辅助盲人出行方法及其系统，包括以下步骤：步骤S0：构建盲人出行智能辅助系统；步骤S1：开发轻量级的复杂环境下盲人出行智能辅助应用；步骤S2：障碍识别；步骤S3：避障预警；步骤S4：多端交互。本发明专利技术通过在嵌入式设备上部署轻量级人工智能模型，进行快速运算和高效决策，减轻人工智能方案对设备性能和网络资源的依赖；本发明专利技术采用节能、不易受干扰的多级体感震动预警以及语音预警模块，为盲人进行避障行为提供准确的避障信息；在降低成本和功耗的同时保障盲人和视力残疾群体日常出行多样化场景的安全性，从而为盲人提供经济、即时且安全的智能服务。即时且安全的智能服务。即时且安全的智能服务。

【技术实现步骤摘要】
一种轻量级的复杂环境下智能辅助盲人出行方法及其系统


[0001]本专利技术涉及智能辅助装备
，具体涉及一种轻量级的复杂环境下智能辅助盲人出行方法及其系统。

技术介绍

[0002]随着城市的发展，道路状况越来越复杂，为了规范盲道的路径保证其畅通，在盲道周围设置了路障，阻止大型车辆通行；在重要活动、节日或者施工现场，会在路边设立预警牌等等，这些都是盲人前进的潜在障碍。普通的导盲装置已经远远不能满足盲人的出行需求，基于图像识别导盲杖的传统方案对设备的运算能力和网络传输能力要求极高且造价高昂，而障碍物的多样性给识别带来更大的挑战。
[0003]目前已有多种盲人出行智能辅助方案被提出，从模型推断方式可分为本地推断方案和云端推断方案；从识别对象可分为盲道识别方案和盲道上的障碍物识别方案。本地推断方案在设备端运行轻量级的复杂环境下盲人出行智能辅助应用，需要强大的运算能力和存储能力；云端推断方式通过网络摄像头采集图像数据上传到云端进行推断；盲道识别方案从盲道图像信息识别左转右转直行等导航信息；盲道上的障碍物识别方案主张将盲道特征与障碍物特征绑定识别，主要识别在盲道上的障碍物，并对盲人进行避障提醒，而不单独对盲道或者障碍物进行识别。
[0004]本地推断方案多在性能较好、存储空间较大的设备上运行，硬件成本高昂且功耗较大不适用于移动场景；因此也有方案提出使用网络摄像头，将实时数据流上传云端，在云端推断完毕后将结果反馈给终端设备，云端推断方案对网络资源需求较高且实时性低；盲道识别方案主要进行场景识别，识别盲道图案并反馈给盲人有效的盲道导航信息，但并不能保证盲人行走的安全性；盲道上的障碍物识别方案比盲道识别方案考虑的更全面，将常出现在盲道上的障碍物分类，识别这些障碍物并预警盲人进行避障，但这种方案常常将识别主体和盲道绑定在一起，即识别内容里需要包含盲道才可以进行识别，这限制了导盲装置在复杂出行环境下的应对能力。

技术实现思路

[0005]针对以上问题，本专利技术提供了一种轻量级的复杂环境下智能辅助盲人出行方法及其系统，通过在嵌入式设备上部署轻量级人工智能模型，进行快速运算和高效决策，减轻人工智能方案对设备性能和网络资源的依赖，在降低成本和功耗的同时满足盲人和视力残疾群体日常出行多样化场景的安全性，从而为盲人提供经济、即时且安全的智能服务。
[0006]为了实现上述目的，本专利技术采用的技术方案如下：
[0007]一种轻量级的复杂环境下智能辅助盲人出行方法，包括以下步骤：
[0008]步骤S0：构建盲人出行智能辅助系统；
[0009]步骤S1：开发轻量级的复杂环境下盲人出行智能辅助应用；
[0010]步骤S2：障碍识别；
[0011]步骤S3：避障预警；
[0012]步骤S4：多端交互。
[0013]优选地，所述步骤S1的具体步骤如下：
[0014]步骤S1.1：收集影响盲人出行安全的特征障碍物图像数据建立数据集；
[0015]步骤S1.2：搭建神经网络模型，并基于步骤S1.1所述特征障碍物数据集训练神经网络模型对特征障碍物进行识别；
[0016]步骤S1.3：全整数量化步骤S1.2所述神经网络模型，压缩神经网络模型体量；
[0017]步骤S1.4：基于步骤S1.3所述量化的神经网络模型在导盲装置嵌入式系统微控制器上开发轻量级的复杂环境下盲人出行智能辅助应用。
[0018]优选地，所述步骤S2的具体步骤如下：
[0019]步骤S2.1：初始化导盲装置的嵌入式系统微控制器、障碍物识别模块、避障预警模块和多端交互模块；
[0020]其中，所述导盲装置包括导盲基体和智能辅助装置；
[0021]所述智能辅助装置包括障碍物识别模块、避障预警模块、多端交互模块；
[0022]其中，所述障碍物识别模块包括图像采集模块和辅助照明模块，图像采集模块包括图像传感器和边缘人工智能图像识别应用模块；
[0023]所述避障预警模块包括测距模块、线性马达震动模块和语音合成播报模块；
[0024]所述多端交互模块包括按键模块、通信模块和定位模块；
[0025]步骤S2.2：设定环境光阈值L，使用光强传感器获取环境光强数值S，当所述环境光强数值低于环境光阈值时，打开照明模块辅助图像采集；
[0026]步骤S2.3：图像传感器采集环境图像数据；
[0027]步骤S2.4：轻量级的复杂环境下盲人出行智能辅助应用通过推断图像数据识别特征障碍物，识别到特征障碍物进入步骤S3，未识别到特征障碍物返回步骤S2.2。
[0028]优选地，所述步骤S3的具体步骤如下：
[0029]步骤S3.1：设定安全距离S_safe，在0～S_safe之间选取均匀N等分点或非均匀N分点 S_risk_1、S_risk_2、
……
、S_risk_(n
‑
1)；
[0030]本步骤中，所述安全距离S_safe与盲人步速和超声波测距设备最大探测距离相关；
[0031]步骤S3.2：启动测距模块测距，当障碍物距离大于S_safe时，重复步骤S3.2，当障碍物距离小于S_safe时，进入步骤S3.3；
[0032]步骤S3.3：当所测障碍物距离处于S_risk_(n
‑
1)～S_safe范围时，震动模块以预设模式 PWM_set_n频率进行体感震动避障预警，语音播报模块以预设模式V_set_n进行语音避障预警；当所测障碍物距离处于S_risk_(n
‑
2)～S_risk_(n
‑
1)范围时，震动模块以预设模式 PWM_set_(n
‑
1)频率进行体感震动避障预警，语音播报模块以预设模式V_set_(n
‑
1)进行语音避障预警；
……
；当所测障碍物距离处于0～S_risk1范围时，震动模块以预设模式PWM_set1 频率进行体感震动避障预警，语音播报模块以预设模式V_set_1进行语音避障预警；
[0033]本步骤中，所述距离S_risk_n尾缀数字n表示危险级别，n越小，危险级别越高；
[0034]本步骤中，PWM_set_n和V_set_n尾缀数字n表示多级预警模式，n越小，危险级别越
高，震动模块的震动频率和振动幅度越高，语音播报模块的语速和播报音量越高，从而以层次递进的方式预警多级危险。
[0035]优选地，所述步骤S4的具体步骤如下：
[0036]步骤S4.1：导盲装置通过通信模块上传设备当前位置信息和状态信息到云服务器进行解析和存储；云服务器通过通信模块下发指令到导盲装置；
[0037]步骤S4.2：云服务器定时推送导盲装置上传的信息到移动端应用程序；移动端应用程序通过访问云服务器获取导盲装置的历史信息和最新信息。
[0038]本专利技术还提供了一种轻量级的复杂环境下智能辅助盲人出行系统，所述出行系统包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级的复杂环境下智能辅助盲人出行方法，其特征在于：包括以下步骤：步骤S0：构建盲人出行智能辅助系统；步骤S1：开发轻量级的复杂环境下盲人出行智能辅助应用；步骤S2：障碍识别；步骤S3：避障预警；步骤S4：多端交互。2.根据权利要求1所述的一种轻量级的复杂环境下智能辅助盲人出行方法，其特征在于：所述步骤S1的具体步骤如下：步骤S1.1：收集影响盲人出行安全的特征障碍物图像数据建立数据集；步骤S1.2：搭建神经网络模型，并基于步骤S1.1所述特征障碍物数据集训练神经网络模型对特征障碍物进行识别；步骤S1.3：全整数量化步骤S1.2所述神经网络模型，压缩神经网络模型体量；步骤S1.4：基于步骤S1.3所述量化的神经网络模型在导盲装置嵌入式系统微控制器上开发轻量级的复杂环境下盲人出行智能辅助应用。3.根据权利要求1所述的一种轻量级的复杂环境下智能辅助盲人出行方法，其特征在于：所述步骤S2的具体步骤如下：步骤S2.1：初始化导盲装置的嵌入式系统微控制器、障碍物识别模块、避障预警模块和多端交互模块；其中，所述导盲装置包括导盲基体和智能辅助装置；所述智能辅助装置包括障碍物识别模块、避障预警模块、多端交互模块；其中，所述障碍物识别模块包括图像采集模块和辅助照明模块，图像采集模块包括图像传感器和边缘人工智能图像识别应用模块；所述避障预警模块包括测距模块、线性马达震动模块和语音合成播报模块；所述多端交互模块包括按键模块、通信模块和定位模块；步骤S2.2：设定环境光阈值L，使用光强传感器获取环境光强数值S，当所述环境光强数值低于环境光阈值时，打开照明模块辅助图像采集；步骤S2.3：图像传感器采集环境图像数据；步骤S2.4：轻量级的复杂环境下盲人出行智能辅助应用通过推断图像数据识别特征障碍物，识别到特征障碍物进入步骤S3，未识别到特征障碍物返回步骤S2.2。4.根据权利要求1所述的一种轻量级的复杂环境下智能辅助盲人出行方法，其特征在于：所述步骤S3的具体步骤如下：步骤S3.1：设定安全距离S_safe，在0～S_safe之间选取均匀N等分点或非均匀N分点S_risk_1、S_risk_2、
……
、S_risk_(n
‑
1)；本步骤中，所述安全距离S_safe与盲人步速...

【专利技术属性】
技术研发人员：陈晓敏，赵涛涛，孙强，赵之喻，周桓宇，
申请(专利权)人：南通大学，
类型：发明
国别省市：