“你是我的眼”：人工智能帮助失明者避开路面障碍

　　今年8月，雷锋网将在深圳举办一场盛况空前有全球影响力的人工智能与机器人创新大会。届时雷锋网将发布“人工智能&机器人Top25创新企业榜”榜单。目前，我们正在拜访人工智能、机器人领域的相关公司，从中筛选最终入选榜单的公司名单。

　　研究人员和各个企业多年来一直努力发明各种装置，帮助视力障碍人士避开路面上的障碍，例如桌子椅子。许多类似设备利用超声波传感器来监测障碍物。挂在脖子上的Pathsounder项目已经停止，另外还有笨重的NavBelt是系在腰上使用，以及带有轮子的GuideCane，都是类似的例子。

　　不过，还有另一种暗藏在脚下的障碍——路面上那些微小的坑洼、台阶、路缘线或者断层，都可能会让步行者绊倒，或者让轮椅突然倾倒。对于这些细微的路面障碍，大部分高科技监测系统都没什么办法。

　　“对于这些不向外突出的障碍物，我们还不知道有什么监测设备比较好用。”Elaine Wong说，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Ian Potter基金的帮助下，Wong制造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。该系统结合了图像处理与机器学习，来分析用户周围的环境，在用户走动过程中提供声音指引。Wong上周在马来西亚举行的IEEE国际通信大会上呈现了她的作品。项目仍在进行中。目前，她的原型经过了3项小型测试，共使用了15个坑洼，原型能够正确识别至少90%的坑洼。

　　为了让系统真正发挥作用，她还需要在更多的测试中确认原型的能力，进一步提升系统精度。她希望调试机器学习算法的参数或者调整激光像素。她还需要创建一个实时版本的系统，因为目前测试中的图像处理是离线完成的。最后，她使用的激光只能在黑暗环境中使用，因此她还希望在接下来的版本中使用其他的激光。

　　Wong分别测试了两种激光模式作为监测方式，一种是投射一个激光网格，另一种以十字的形状投射。激光扫描用户面前的路面并返回设备时，系统会记录激光的强度。如果路面平整，激光会以完整的强度值返回，告诉用户这是一个平整的路面，例如人行道。但是如果激光由于路面坑洞必须传输更远的距离，模式中的这个部分就会比较微弱。

　　系统中的相机（目前是一个HD模式的GoPro相机）以15帧每秒记录激光模式。为了解读这些图像，Wong使用了机器学习与图像处理。她开发了可以发现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，系统会说“发现坑洼”。（她考虑过使用震动来提示用户，但是认为让系统大声说出来是最方便的办法。）十字模式的分析比网格模式更能带来高精度的结果。

　　Wong的目标是最终开发一个方便使用、价格便宜的路面障碍监测系统。“你希望系统可以快、可以小、并且复杂度低。”她说。

　　她的第一个版本设计是绑在步行者身上，或者绑在轮椅上，因为许多视力障碍人士依靠这些设备，而要使用导盲犬或拐杖发现障碍是比较难的。

　　在她看来，类似设备的潜在市场很大——世界卫生组织（WHO）称，全球视力障碍人士大约有二亿八千五百万人。不过，Wong心里最关心的是一个特殊用户——她的儿子生来便失明。她说：“希望这项产品真正实现的时候，他会为我感到骄傲。”

 

 

返回网站首页>>