人工智能和激光扫描帮助失明者避开路面障碍

研究人员和各个企业多年来仍然希望发明者各种装置，协助视力障碍人士避免路面上的障碍，例如桌子椅子。许多类似于设备利用超声波传感器来监测障碍物。悬挂在脖子上的Pathsounder项目早已暂停，另外还有轻巧的NavBelt是系由在腰上用于，以及具有轮子的GuideCane，都是类似于的例子。　　不过，还有另一种背后在脚下的障碍路面上那些微小的坑洼、台阶、路缘线或者断层，都可能会让步行者摔倒，或者让轮椅忽然灌入。

对于这些微小的路面障碍，大部分高科技监测系统都没什么办法。　　对于这些不向外引人注目的障碍物，我们还不告诉有什么监测设备较为好用。

ElaineWong说道，她是澳大利亚墨尔本大学的电子工程师。　　在两家非盈利合作机构以及IanPotter基金的协助下，Wong生产了一个监测系统原型，利用了一个摄像头和激光来监测地面的坑洼等其他路面障碍。该系统融合了图像处理与机器学习，来分析用户周围的环境，在用户休息过程中获取声音提示。Wong上周在马来西亚举办的IEEE国际通信大会上呈现出了她的作品。

项目仍在展开中。目前，她的原型经过了3项小型测试，共计用于了15个坑洼，原型需要准确辨识最少90%的坑洼。　　为了让系统确实发挥作用，她还必须在更好的测试中证实原型的能力，更进一步提高系统精度。

她期望调试机器学习算法的参数或者调整激光像素。她还必须创立一个动态版本的系统，因为目前测试中的图像处理是离线已完成的。最后，她用于的激光不能在黑暗环境中用于，因此她还期望在接下来的版本中用于其他的激光。

　　Wong分别测试了两种激光模式作为监测方式，一种是感应一个激光网格，另一种以十字的形状感应。激光扫描用户面前的路面并回到设备时，系统不会记录激光的强度。

如果路面平坦，激光不会以原始的强度值回到，告诉他用户这是一个平坦的路面，例如人行道。但是如果激光由于路面坑洞必需传输很远的距离，模式中的这个部分就不会较为黯淡。　　系统中的照相机（目前是一个HD模式的GoPro照相机）以15帧每秒记录激光模式。

为了理解这些图像，Wong用于了机器学习与图像处理。她研发了可以找到激光模式中异常情况的算法，并将激光光点标记为一个坑洼。此时，系统不会说道找到坑洼。

（她考虑过用于震动来提醒用户，但是指出让系统大声说道出来是最便利的办法。）十字模式的分析比网格模式更加能带给高精度的结果。　　Wong的目标是最后研发一个方便使用、价格便宜的路面障碍监测系统。你期望系统可以慢、可以小、并且复杂度较低。

她说道。　　她的第一个版本设计是被绑在步行者身上，或者被绑在轮椅上，因为许多视力障碍人士依赖这些设备，而要用于导盲犬或拐杖找到障碍是较为无以的。

　　在她显然，类似于设备的潜在市场相当大世界卫生组织（WHO）称之为，全球视力障碍人士约有二亿八千五百万人。不过，Wong心里最关心的是一个类似用户她的儿子与生俱来之后失聪。她说道：期望这项产品确实构建的时候，他不会为我深感自豪。

本文来源：永利总站-www.stilusinterior.com