基于超聲波檢測與圖像處理的導盲儀設計

潘 虹，曹曉紅，陳江萍，丁 穎

（陜西服裝工程學院，陜西 西安 712046）

0 引 言

視力障礙人群，由于視覺缺失，無法準確獲取環境信息，同時也很難處理環境中的不同狀況，其日常生活極為不便。而導盲儀具備道路檢測、障礙物檢測功能，可以為視力障礙人群出行提供幫助。但是傳統頭戴式、眼睛式導盲儀的圖像識別度較低，無法準確識別紅綠燈、盲道、障礙物等，并且頭戴式導盲儀體積較大，對用戶日常生活影響較大。針對以上問題，本文基于超聲波檢測與圖像處理技術，提出一種穿戴式導盲儀，除了能夠識別道路障礙物，還能夠準確識別盲道、紅綠燈、交通標志，以此來協助用戶安全出行。

1 系統總體設計方案

1.1 導盲儀功能需求

常規導盲儀以檢測障礙物為主，實際使用過程中無法實現復雜交通環境檢測，不能正確引導盲人安全出行?？紤]到盲人出行時的實際情況，提出以下導盲儀功能需求：

（1）障礙物檢測：識別道路障礙物并以語音播報方式向盲人提醒，避免盲人受到傷害；

（2）語音提醒：以語音播報方式向盲人反饋環境信息[1]；

（3）交通標志識別：識別道路紅綠燈、斑馬線、盲道等標識，為盲人穿越馬路、自主出行提供幫助；

除了以上三種基本功能外，導盲儀還需要在滿足識別速度、設備功耗等要求的基礎上，減少設備體積，以便于盲人出行隨身攜帶。

1.2 導盲儀系統結構

為滿足導盲儀體積小、功耗低、成本低等要求，基于嵌入式平臺進行導盲儀設計，利用圖像處理技術和超聲波技術實現圖像信息、障礙物信息的實時處理，并通過語音播報方式反饋給盲人[2]。

導盲儀系統主要由信息采集模塊、中心處理單元和語音播報模塊組成，其中：信息采集模塊由攝像頭和傳感器組成，主要用于識別道路障礙物，采集交通標識、盲道、斑馬線等圖像信息；中心處理單元為核心處理器，主要控制信息采集模塊運行，并對采集數據進行處理和分析，最后反饋信息處理結果；語音播報模塊根據圖像處理結果和行動指令，通過語音提醒盲人及時躲避障礙物。

1.3 導盲儀硬件系統

常見導盲儀佩戴方式多為頭戴式、眼睛式，考慮到導盲儀的體積和重量，本文采用穿戴式佩戴方式，以減少導盲儀對用戶日常生活的影響。穿戴式導盲儀主要固定于用戶胸前位置，不僅便于識別紅綠燈、道路等信息，而且對用戶的生活影響較小[3]。導盲儀硬件設備如圖1 所示，其主要由嵌入式處理單元、超聲波模塊、攝像頭模塊和耳機組成。

嵌入式處理單元采用Allwinner H5 芯片，該芯片接口豐富、性能優越，可以滿足導盲儀系統開發與設計需求；超聲波模塊采用JSN-SR04T 一體式超聲波傳感裝置，其由獨立控制電路和超聲波探頭組成，性能穩定、體積小、測量精度高；攝像頭模塊主要用于采集道路、交通標志、紅綠燈信息等，本文采用分辨率為640*480 的VC3U31 免驅攝像頭，該設備易安裝、分辨率高、功耗低，并且支持10/9/8位RGB圖像格式，視頻流性能高達15 fps VGA 和30 fps GIF[4]。

2 導盲儀功能設計

2.1 斑馬線識別功能設計

斑馬線由黑白色矩形長條紋共同組成，并且間隔相同、相互平行，圖像特征明顯。根據攝像機拍攝特性，斑馬線條紋呈現梯形，并且黑白條紋寬度由遠及近依次遞增。由于道路實際環境相對復雜，除了車輛干擾外，還會存在行人干擾因素，提取斑馬線圖像時，無法直接提取出完整圖像，因此無法準確判斷道路實際情況。針對該問題，需要排除圖像干擾，并根據斑馬線圖像特征提取完整的圖像[5]。

2.1.1 圖像裁剪

為減少位置較高的物體對斑馬線識別的干擾，需要對斑馬線圖像進行裁剪，選用圖像下半部分，裁剪后的圖像像素高度為原始圖像的2/3；對于紅綠燈圖像，選用上半部分，圖像像素高度為原始圖像的1/2。對圖像進行裁剪后，可以減少高處建筑物對斑馬線圖像識別的干擾。

2.1.2 斑馬線圖像灰度化

斑馬線為黑白線條，而灰度圖像像素只包括黑色和白色灰度值，可以準確提取出斑馬線條紋特征，因此本文采用灰度化方法處理圖像[6-8]?；叶然幚矸椒ㄖ饕菍⒉噬珗D像像素點R、G、B顏色分量映射至灰度值，本文采用加權平均法對圖像進行處理，該方法可以按照一定規則對原三通道圖像像素值進行加權處理，并映射至灰度值，其表達式如下：

采用加權平均法對圖像進行處理后，不僅可以減少不相關顏色的干擾，而且也可以突出斑馬線黑白條紋特征。經過處理后的斑馬線圖像如圖2 所示。

圖2 斑馬線灰度化處理后的圖像

2.1.3 圖像濾波

為減少圖像中斑點、縫隙等噪聲，采用中值濾波法對圖像進行處理，以提高圖像平滑度，減少圖像失真情況。中值濾波法主要通過模板遍歷斑馬線圖像，并按照一定規則對圖像灰度值進行排序，最后采用中值代替圖像像素灰度，以此來使領域內像素灰度更加接近實際情況[9]。

圖像濾波處理過程中，設置數字信號序列為x(0,M)，并設定一段長度為奇數的采樣模板，用其模板中的中值代替原模板輸出值x'(k)，計算公式如下：

總體來看，中值濾波方法可以有效去除脈沖噪聲，進一步改善圖像失真情況。

2.2 人行道紅綠燈識別功能設計

人行道紅綠燈圖像分別為站立人行圖案和行走人行圖案，為準確識別紅綠燈人行圖像，結合機器學習算法和背景去除算法識別圖像，識別流程如圖3 所示。

圖3 紅綠燈識別流程

導盲儀識別紅綠燈時由于存在行人和建筑物等干擾因素，識別定位準確度較低。針對該問題，采用背景去除方法，提高紅綠燈的定位準確度。因此在紅綠燈識別算法中加入背景去除算法，首先在導盲儀中輸入識別圖像，根據紅綠燈亮度較大的特征，通過形態學頂帽變化識別復雜環境中的高亮區域。

頂帽運算為形態學運算，其能夠減少因光照強度不均引起的圖像分割錯誤問題。為提高紅綠燈識別定位精準度，在圖像頂帽變換前將圖像轉化為灰度圖，轉化公式如下所示：

式中：Y為圖像灰度信號；V、U為圖像色差信號；B、G、R為三基色數值。

進行紅綠燈圖像灰度化處理后，采用頂帽變換對圖像進行開運算，表達式為tophat=src-open(src, element)。

開運算的目的是去除昏暗圖像中亮度較高的區域，然后與原始圖像比較得到原始圖像中紅綠燈高亮區域。

由于道路上存在車尾燈、紅綠燈等影響因素，進行頂帽變換后，圖像中所有亮斑區域都會被提取。針對該問題，采用二值化算法對亮斑區域進行分析，去除亮斑較小的區域，并將剩余亮斑較大的區域進行放大處理，最后得到僅包含紅綠燈的待檢測區域[10]。

2.3 盲道識別功能設計

常見盲道顏色分為高亮橙色和與道路相近顏色，其紋理基本相近。根據該特征，基于LBP 紋理特征分類算法對盲道邊緣特征和紋理特征進行分割和識別。識別流程如圖4 所示。

圖4 盲道識別流程

識別盲道時，由于盲道拍攝影像存在失真情況，平行的盲道會出現不平行的問題，并且盲道磚塊表現為規則排列的梯形。為準確識別盲道，采用透視變化對圖像進行處理，該算法是一種利用透視旋轉定律改變圖像形狀和大小的操作，其原理是采用三點共線原則，將圖像投影至新平面，在不改變原有圖像幾何形狀的情況下對圖像進行投影，獲取新的投影圖像。透視變換前后的盲道如圖5 所示，從圖中可以看出，盲道內部問題和直線邊緣等特征得到了真實還原；并且與變換前的圖像相比，盲道特征更加突出和完整，進而提高了盲道分割和識別的準確性。

圖5 盲道透視變換前后圖像

2.4 超聲波測距輔助系統

為降低行人、車輛等不可控因素引發的導盲儀漏判、誤判等問題，采用超聲波技術監測障礙物距離。超聲波識別流程如圖6 所示。

圖6 超聲波識別流程

在導盲儀的實際使用過程中，導盲儀主控制器向超聲波傳感器發送脈沖信號，然后由傳感器向前方發出周期電平，最后檢測回波信號計算障礙物距離。當道路前方位置存在障礙物時，超聲波傳感器接收到回波信號，并向主控制器輸出回響信號，由主控制器計算障礙物距離。

為提高導盲儀障礙物識別準確性，當用戶在盲道上行走時，如果檢測到前方有障礙物，此時導盲儀提醒用戶躲避障礙物，并向用戶發出語音提醒。在此過程中導盲儀只反饋躲避障礙物信息，不反饋紅綠燈、斑馬線檢測結果；待障礙物消失后繼續對當前道路進行監測。

當用戶行走在盲道上時，如果導盲儀檢測前方有行駛車輛，即使前方紅綠燈為綠燈狀態并且斑馬線被準確識別的情況下，導盲儀也會向盲人發出等待提醒。待道路無行駛車輛且可以通行的情況下，停止向用戶發出避障提醒，以此來協助用戶安全穿越馬路。

3 結 語

本文根據導盲儀使用需求，對其使用功能進行設計，包括盲道、紅綠燈、障礙物識別等功能；結合用戶使用習慣，將導盲儀設計為穿戴式，減少導盲儀對用戶生活的影響?；谑褂眯枨蠛凸δ苄枨蠓治?，采用分類器算法識別定位斑馬線、紅綠燈、盲道等，并通過區域分割和顏色識別等方法對圖像進行處理，以準確識別道路；最后設計了超聲波輔助系統識別道路障礙物，并通過語音播報的方式向用戶發出提醒，以幫助用戶及時躲避障礙和安全穿越馬路。