吴晓烽, 吴丽君, 吴振辉, 陈志聪, 林培杰, 文吉成

(1.福州大学物理与信息工程学院, 微纳器件与太阳能电池研究所, 福建 福州　350116;2.国家电网福州供电公司, 福建 福州　350003)

0　引言

目前, 我国约有7 500万视障人群, 他们的生活和出行都因其视力的障碍而受到极大困扰.盲杖等传统辅盲工具只能通过物体接触来检测障碍物, 对空间中较高物体(如树枝等)难以检测.近年来, 电子行走辅助[1](electronic travel aids, ETA)系统相继被提出, 为视障人士带来了极大便利, 其中障碍物识别与测距是ETA系统中的关键技术.文[2]对近年的ETA系统进行了实用性综合对比, 其中评分最高的Ecole Polytechnique Fédérale de Lausanne(EPFL)系统[3], 采用成对声呐进行测距, 有着测距精确度高、 易穿戴等特点.评分其次的tactile vision system(TVS)[4]通过成对摄像头生成视差图来检测障碍物的远近, 其便于穿戴, 检测范围广.现有ETA系统, 虽能较为精确地检测障碍物离使用者的距离, 却无法识别障碍物.在实际使用中, 与高精度地对障碍物测距相比, 视障人士更迫切地需要对周围多障碍物的识别及相应位置的估计.近年提出的wearable mobility aid(WMA)[5]系统是一种采用RGBD摄像头测距, 并利用LeNet[6]网络实现障碍物识别, 最后整合信息反馈给盲人的异步实现方式.这种异步识别及测距方式为目前大多能够识别障碍物的ETA系统采用, 但受限于所采用的测距方式, 只能对离使用者最近的障碍物识别测距, 而对实际应用中多障碍物同时出现的场景, 就会出现难以匹配等问题, 因而难以适用.

随着深度学习技术的发展, 目标……