人工智能和激光掃描幫助失明者避開路面障礙

　　研究人員和各個企業多年來一直努力發明各種裝置，幫助視力障礙人士避開路面上的障礙，例如桌子椅子。許多類似設備利用超聲波傳感器來監測障礙物。掛在脖子上的Pathsounder項目已經停止，另外還有笨重的NavBelt是系在腰上使用，以及帶有輪子的GuideCane，都是類似的例子。

　　不過，還有另一種暗藏在腳下的障礙——路面上那些微小的坑洼、臺階、路緣線或者斷層，都可能會讓步行者絆倒，或者讓輪椅突然傾倒。對于這些細微的路面障礙，大部分高科技監測系統都沒什么辦法。

　　“對于這些不向外突出的障礙物，我們還不知道有什么監測設備比較好用。”Elaine Wong說，她是澳大利亞墨爾本大學的電子工程師。

　　在兩家非盈利合作機構以及Ian Potter基金的幫助下，Wong制造了一個監測系統原型，利用了一個攝像頭和激光來監測地面的坑洼等其他路面障礙。該系統結合了圖像處理與機器學習，來分析用戶周圍的環境，在用戶走動過程中提供聲音指引。Wong上周在馬來西亞舉行的IEEE國際通信大會上呈現了她的作品。項目仍在進行中。目前，她的原型經過了3項小型測試，共使用了15個坑洼，原型能夠正確識別至少90%的坑洼。

　　為了讓系統真正發揮作用，她還需要在更多的測試中確認原型的能力，進一步提升系統精度。她希望調試機器學習算法的參數或者調整激光像素。她還需要創建一個實時版本的系統，因為目前測試中的圖像處理是離線完成的。最后，她使用的激光只能在黑暗環境中使用，因此她還希望在接下來的版本中使用其他的激光。

　　Wong分別測試了兩種激光模式作為監測方式，一種是投射一個激光網格，另一種以十字的形狀投射。激光掃描用戶面前的路面并返回設備時，系統會記錄激光的強度。如果路面平整，激光會以完整的強度值返回，告訴用戶這是一個平整的路面，例如人行道。但是如果激光由于路面坑洞必須傳輸更遠的距離，模式中的這個部分就會比較微弱。

　　系統中的相機(目前是一個HD模式的GoPro相機)以15幀每秒記錄激光模式。為了解讀這些圖像，Wong使用了機器學習與圖像處理。她開發了可以發現激光模式中異常情況的算法，并將激光光點標記為一個坑洼。此時，系統會說“發現坑洼”。(她考慮過使用震動來提示用戶，但是認為讓系統大聲說出來是最方便的辦法。)十字模式的分析比網格模式更能帶來高精度的結果。

　　Wong的目標是最終開發一個方便使用、價格便宜的路面障礙監測系統。“你希望系統可以快、可以小、并且復雜度低。”她說。

　　她的第一個版本設計是綁在步行者身上，或者綁在輪椅上，因為許多視力障礙人士依靠這些設備，而要使用導盲犬或拐杖發現障礙是比較難的。

　　在她看來，類似設備的潛在市場很大——世界衛生組織(WHO)稱，全球視力障礙人士大約有二億八千五百萬人。不過，Wong心里最關心的是一個特殊用戶——她的兒子生來便失明。她說：“希望這項產品真正實現的時候，他會為我感到驕傲。”