陈朝阳 高翔森 孙铭悦 董 岩 李泽宇

（1、北京建筑大学 测绘与城市空间信息学院，北京102616 2、北京市建筑遗产精细重构与健康检测重点实验室，北京102616）

盲道是专门提供给盲人的道路，盲人可通过凹凸不平的盲道，来判断前方道路情况。但是仅凭盲道的凹凸反馈，在磨损严重、盲道缺失的路段，很容易出现盲人迷路的情况容易造成安全隐患。盲人可通过盲杖、导盲犬和智能导盲设备解决这些问题，但是这些设备存在不宜携带、准确度低等问题。

为了能够更好的解决这些问题，帮助盲人出行，提出了许多新颖的方法，比如通过超声波传感器、颜色传感器等。李子康[1]等人设计了一种借助超声波与红外传感器的障碍物检测；赵晓军[2]等人设计了一种基于GPS 的导盲杖，为盲人的出行保驾护航。但是，这些方法都有其局限性。

1 实验环境搭建与材料准备

本文的实验平台为Ubuntu-18.04.4 操作系统，使用NVIDIA GeForce GTX 1660 Ti 显卡，运行内存为16GB，实验环境完全满足Yolo V3 算法。在盲道数据集的制作上，由于没有可供选择的数据集，采用自制的方式，在互联网采集了1000 张盲道图片，还采集了1000 张汽车图片，以及1000 张行人图片，通过精灵标注助手标注。其中90%作为训练集，10%作为测试集。

图1 盲道

图2 汽车

图3 行人

2 训练模型框架选择

在进行模型训练时，可供选择的框架有Tensorflow 框架、Darknet 框架等，本文选择使用Darknet 框架对YOLO V3 算法进行训练。Darknet 作为一个开源的轻量型深度学习框架，虽然没有Tensorflow 强大，但是安装容易，没有任何依赖项，移植性高，方便操作。……