可穿戴導(dǎo)盲裝置的研究與實(shí)現(xiàn)

田宇 王黨 賈曉強(qiáng)

摘 要：本設(shè)計(jì)為一款用于盲人導(dǎo)盲的智能語(yǔ)音導(dǎo)盲系統(tǒng)。在外觀部分為用戶設(shè)計(jì)了可穿戴式的頭部支架和腰帶，在其完美貼合使用者身體的同時(shí)，方便了測(cè)距傳感器的固定，使信息傳輸更加方便。頭部支架和腰帶上分別搭載激光測(cè)距模塊，語(yǔ)音模塊，攝像頭和陀螺儀模塊，可實(shí)現(xiàn)避障，圖像識(shí)別，語(yǔ)音識(shí)別，檢測(cè)周?chē)奈ｋU(xiǎn)物體等功能，并通過(guò)語(yǔ)音提示的方式告知盲人，切實(shí)解決了盲人出行的問(wèn)題。

關(guān)鍵詞：可穿戴式;激光測(cè)距;語(yǔ)音提示;圖像識(shí)別

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）14-0028-02

0 引言

在現(xiàn)實(shí)世界中，我們很少在大街小巷看到盲人的身影，究其根源在哪里？大多數(shù)盲人出門(mén)需要靠拐杖，盲道的設(shè)計(jì)為盲人的出行帶來(lái)了很多方便，但同時(shí)盲人在生活中面臨的問(wèn)題也很多。第一，盲人屬于弱勢(shì)群體，一旦遇到危險(xiǎn)便很容易受到傷害;第二，很多盲人是靠腦子記住路線的，一旦他們走錯(cuò)了路線，就很難再走回家了;第三，盲道確實(shí)給盲人提供了很大的方便，但一旦盲道被其他設(shè)施占用，盲人便很難繼續(xù)前行。我國(guó)每年會(huì)出現(xiàn)新盲人大約45萬(wàn)，低視力135萬(wàn)，即約每分鐘就會(huì)出現(xiàn)1個(gè)盲人，3個(gè)低視力患者。如此龐大的群體給家庭及社會(huì)帶來(lái)了嚴(yán)重的負(fù)擔(dān)，所以發(fā)展盲人輔助出行技術(shù)對(duì)于提高盲人的自主出行能力、豐富盲人群體的生活、節(jié)省社會(huì)的運(yùn)行成本具有非常重要的意義。

現(xiàn)階段市場(chǎng)上的導(dǎo)盲產(chǎn)品多種多樣，如導(dǎo)盲眼鏡Aira[1]，導(dǎo)盲手杖等有各自的不同特點(diǎn)，但同時(shí)也存在著自身的不足。對(duì)于導(dǎo)盲眼鏡來(lái)說(shuō)，其成本較高，詬病是外界的光源會(huì)直接影響到圖像的質(zhì)量進(jìn)而影響視覺(jué)[2]系統(tǒng)性能;對(duì)于導(dǎo)盲杖來(lái)說(shuō)，其成本較低，但存在著測(cè)距范圍小，攜帶不方便的特點(diǎn);我們?cè)O(shè)計(jì)的導(dǎo)盲系統(tǒng)測(cè)距精度高，圖像識(shí)別更加準(zhǔn)確，可通過(guò)語(yǔ)音識(shí)別自主導(dǎo)航，讓盲人更便捷、更安全的到達(dá)目的地，通過(guò)算法對(duì)深度分析路況進(jìn)行深度分析并結(jié)合語(yǔ)音模塊提醒盲人。

1 總體結(jié)構(gòu)設(shè)計(jì)

1.1 多源信息采集

信息的獲取途徑主要包括傳感器采集和在線獲取，傳感器采集包括使用陀螺儀采取角度值、攝像頭采集圖像、超聲波雷達(dá)測(cè)速和激光測(cè)距模塊測(cè)距。在線采集的方式主要是通過(guò)互聯(lián)網(wǎng)獲取盲人的位置信息及道路信息，有效地幫助了盲人獲取關(guān)鍵性的地理位置，例如家，公廁，公園，十字路口等。

1.2 信息處理

信息處理主要通過(guò)微控制器將所收集到距離及角度值的進(jìn)行取樣，提取有效值，通過(guò)算法計(jì)算出障礙物的方位及距離，詳細(xì)算法見(jiàn)（2.1節(jié)），與此同時(shí)，攝像頭進(jìn)行圖像采集，將采集到的圖像信息通過(guò)互聯(lián)網(wǎng)傳輸至服務(wù)器，在服務(wù)器搭利用tensorflow[3]搭建識(shí)別模型進(jìn)行圖像的辨別。

1.3 信息傳輸

Zigbee無(wú)線傳輸模塊內(nèi)置無(wú)線網(wǎng)絡(luò)協(xié)議IEEE802.11b.g.n協(xié)議及TCP/IP協(xié)議棧[4]，可將帽子上激光傳感器測(cè)得的數(shù)據(jù)傳輸至腰帶上放置的微控制器上，保證了數(shù)據(jù)的及時(shí)性和有效性。

微控制器通過(guò)TCP協(xié)議可以與服務(wù)器進(jìn)行數(shù)據(jù)的交互。其一，通過(guò)信息傳輸系統(tǒng)可將硬件端控制命令發(fā)送至盲人手機(jī)APP，在其接收到命令后執(zhí)行語(yǔ)音監(jiān)聽(tīng)或置位操作。其二，可將攝像頭采集到的圖像信息通過(guò)TCP協(xié)議傳輸至服務(wù)器，服務(wù)器端進(jìn)行圖像識(shí)別后會(huì)將識(shí)別到的信息傳送至盲人手機(jī)。其三，盲人家屬通過(guò)家屬APP來(lái)實(shí)現(xiàn)控制命令的傳輸，可在盲人出門(mén)前為盲人提前規(guī)劃好路線，進(jìn)一步保障了盲人出行的安全。

1.4 信息反饋

信息反饋為根據(jù)測(cè)距、測(cè)速及圖像識(shí)別所得到的數(shù)據(jù)加以分析后，產(chǎn)生的語(yǔ)音反饋信息，并通過(guò)藍(lán)牙耳機(jī)為盲人播報(bào)。

1.5 整體設(shè)計(jì)圖（圖1）

2 測(cè)距原理

2.1 測(cè)距算法模型

裝置主要依靠激光探頭配合攝像頭捕捉人體前方的圖像。將采集得到的圖像用WiFi模塊發(fā)送到服務(wù)器，進(jìn)行進(jìn)一步的圖像識(shí)別和處理。然后將關(guān)鍵值返回至微處理器。微處理器再將裝置上五個(gè)位置的激光傳感器所收集到的數(shù)據(jù)加入到程序中，對(duì)服務(wù)器傳回的數(shù)據(jù)加以修正。最后再根據(jù)數(shù)據(jù)對(duì)盲人進(jìn)行相應(yīng)的提示和驅(qū)動(dòng)相應(yīng)的外設(shè)。如圖2所示，該裝置一共有5個(gè)激光測(cè)距傳感器，其中三個(gè)位于帽子上，第一個(gè)用于檢測(cè)前方距離，第二個(gè)用于檢測(cè)斜下方距離，第三個(gè)用于檢測(cè)盲人頭頂?shù)降孛娲怪毕蛳碌木嚯x。另外兩個(gè)位于腰帶上，分別位于身體的左右兩側(cè)，用于檢測(cè)左右兩側(cè)的距離。

2.2 實(shí)驗(yàn)方案

在帽子上裝好一個(gè)陀螺儀用于檢測(cè)盲人此時(shí)身體的角度，在盲人剛戴上帽子時(shí)通過(guò)上下擺動(dòng)頭部，使之剛好在弄一個(gè)位置③號(hào)激光傳感器的激光射線剛好與地面呈90度，此時(shí)記錄人體的身高，以上為測(cè)距的初始化過(guò)程，之后再一次通過(guò)陀螺儀得到角度，通過(guò)②號(hào)激光傳感器測(cè)得斜下方的距離，由數(shù)學(xué)公式推導(dǎo)可得出恒等式。由此可推測(cè)出前方是否有障礙物或有凹陷處。

2.3 外觀設(shè)計(jì)

如圖3所示，頭戴裝置可以將3個(gè)激光測(cè)距傳感器之間的角度成為固定值，在盲人佩戴時(shí)不會(huì)因?yàn)樯眢w微動(dòng)而對(duì)測(cè)距結(jié)果產(chǎn)生影響。同時(shí)將陀螺儀和無(wú)線傳輸模塊放置在架子內(nèi)部，達(dá)到美化裝置的效果。如圖4所示，腰帶裝置主要由各個(gè)模塊組成，這樣設(shè)計(jì)可使各個(gè)模塊按照不同的順序組合，方便在開(kāi)發(fā)和調(diào)試過(guò)程中改變各個(gè)傳感器和器件的位置。模塊與模塊之間是使用軸連接的，具有一定的活動(dòng)空間，所以整個(gè)腰帶都是可以進(jìn)行彎曲的。這樣就可以使使用者穿戴更加方便和舒適。

3 結(jié)語(yǔ)

可穿戴式導(dǎo)盲系統(tǒng)的設(shè)計(jì)應(yīng)用了GPS定位，圖像識(shí)別，語(yǔ)音導(dǎo)航技術(shù)，重點(diǎn)分析了測(cè)距算法，并對(duì)外觀進(jìn)了精心的設(shè)計(jì)，使頭部支架與帽子融為一體，方便了傳感器的固定，腰帶模塊化的設(shè)計(jì)更加貼合使用者的身體，方便了盲人的佩戴。本設(shè)計(jì)具有操作簡(jiǎn)單，使用方便，佩戴舒適等特點(diǎn)，具有重要的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Improvement in Patient-Reported Quality of Life Outcomes in Severely Visually Impaired Individuals Using the Aira Assistive Technology System.[J]. Nguyen Brian J，Kim Yeji，Park Kathryn，Chen Allison J，Chen Scarlett，Van Fossan Donald，Chao Daniel L.Translational vision science & technology，2018（5）.

[2] 楊惠君.視頻圖像的增強(qiáng)與去噪技術(shù)研究[D].南京理工大學(xué)，2011.

[3] 王一超，韋建文.基于高性能計(jì)算機(jī)平臺(tái)的TensorFlow應(yīng)用探索與實(shí)踐[J].實(shí)驗(yàn)室研究與探索，2017，36（12）：125-128.

[4] 孫小麗，曹新偉，馬皓誠(chéng)，王瑞，吳樂(lè)天，喻晨，劉霞，史慧鋒.基于ZigBee的無(wú)線傳感器組網(wǎng)技術(shù)研究與應(yīng)用探討[J].數(shù)字通信世界.2017（09）：102-103.