一種基于Jetson Nano的智能輔助導(dǎo)盲裝置設(shè)計(jì)

摘 要：為解決中國視障人群出行困難的問題，設(shè)計(jì)了一種基于Jetson Nano的智能輔助導(dǎo)盲裝置，使視障人群能夠安全出行。采用攝像頭幫助視障人群探測周圍環(huán)境，將Jetson Nano作為主控板，通過視覺算法將攝像頭捕捉的畫面信息提取后，結(jié)合TFmini Plus激光測距雷達(dá)對視障人群前方物體進(jìn)行測距，視覺算法采用基于CNN卷積神經(jīng)網(wǎng)絡(luò)的YOLOv4目標(biāo)檢測算法，語音轉(zhuǎn)化模塊采用科大訊飛出品的六麥克風(fēng)陣列模塊。當(dāng)物體靠近視障人群前方一定距離時，智能輔助導(dǎo)盲裝置會將攝像頭識別到的物體名稱通過語音形式反饋給視障人群。設(shè)計(jì)的智能輔助導(dǎo)盲裝置可以實(shí)現(xiàn)對周圍環(huán)境的實(shí)時檢測和識別，對常見的物體如車輛等都能夠準(zhǔn)確識別，提醒視障人士及時避讓，有效提高他們的出行安全。該裝置還有很大的發(fā)展空間和應(yīng)用前景，可以進(jìn)一步完善其功能，為更多視障人士服務(wù)。

關(guān)鍵詞：YOLOv4算法；目標(biāo)檢測算法；圖像識別；CNN卷積神經(jīng)網(wǎng)絡(luò)；TOF激光測距雷達(dá)；語音轉(zhuǎn)換模塊；Jetson Nano

中圖分類號：TP23；TB472 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2024）10-00-03

0 引 言

由于普通的嵌入式控制板無法滿足對智能導(dǎo)盲裝置功能的開發(fā)需求，因此，本文采用了由NVIDIA公司推出的邊緣型AI計(jì)算機(jī)，該主控板成本低且功能強(qiáng)大，搭配基于Linux的Ubuntu操作系統(tǒng)，具有很強(qiáng)的可塑性。該裝置的攝像頭利用機(jī)器視覺避障，采用基于卷積神經(jīng)網(wǎng)絡(luò)[1]的YOLO系列目標(biāo)檢測算法處理相關(guān)數(shù)據(jù)[2]。考慮到Jetson Nano的嵌入式平臺算力有限，比較了眾多目標(biāo)檢測算法模型后，選用了既兼顧準(zhǔn)確性又兼顧速度的YOLOv4輕量化模型—YOLOv4-tiny。由于攝像頭的可視范圍較大，本文選用TFmini Plus激光雷達(dá)對前方物體進(jìn)行掃描，當(dāng)攝像頭捕捉到物體且物體與視障人群存在一定距離時會觸發(fā)警報。同時，結(jié)合訊飛科技公司的語音播報模塊，可以將視障人群前方的物體名稱通過語音反饋給視障人群。當(dāng)視障人群與障礙物距離過近時，激光雷達(dá)檢測后迅速反饋，通過振動或蜂鳴器鳴響報警。本文裝置主體部分通過腰帶固定在腰部，其攝像頭安裝在衣領(lǐng)或墨鏡上進(jìn)行探測，視障人群無需手持該裝置即可使用。智能導(dǎo)盲裝置原理如圖1所示。

1 采用YOLOv4-tiny算法進(jìn)行實(shí)時監(jiān)測和圖像識別

1.1 YOLOv4-tiny算法簡介

YOLOv4-tiny是YOLOv4的精簡版，屬于輕量化模型，參數(shù)只有600萬，相當(dāng)于原模型的1/10，因此檢測速度得到大幅提升。網(wǎng)絡(luò)共有38層，使用了3個殘差單元，激活函數(shù)選用LeakyReLU[3]，還使用2個特征層實(shí)現(xiàn)了目標(biāo)的分類與回歸，利用特征金字塔（FPN）網(wǎng)絡(luò)合并了有效特征層[4]。系統(tǒng)通過CSPnet對特征提取網(wǎng)絡(luò)進(jìn)行了通道分割，將經(jīng)過3×3卷積后輸出的特征層通道劃分為2部分[5]。

YOLOv4-tiny結(jié)構(gòu)如圖2所示。

1.2 用TensorRT[6]加速YOLOv4-tiny網(wǎng)絡(luò)模型

由于Jetson Nano的算力有限，部署于Jetson Nano的YOLOv4-tiny算法在進(jìn)行實(shí)時監(jiān)測時幀率較低。當(dāng)視障人群走動時，實(shí)時監(jiān)測畫面處于動態(tài)變化過程中，若實(shí)時監(jiān)測畫面的更新速率過低，會使攝像頭捕捉物體的效果大打折扣。為了提升實(shí)時監(jiān)測的幀率，本文選用TensorRT對YOLOv4-tiny算法進(jìn)行優(yōu)化。TensorRT是NVIDIA針對自身平臺推出的加速包，TensorRT在訓(xùn)練了神經(jīng)網(wǎng)絡(luò)之后，可以對網(wǎng)絡(luò)進(jìn)行壓縮、優(yōu)化等操作，并且無其他（框架等）開銷。

操作方法：在Ubuntu18.04中下載TensorRT工程代碼，將訓(xùn)練好的YOLOv4-tiny權(quán)重文件放在./tensorrt_demos/yolo/文件夾下，在plugins文件夾中打開終端，輸入Make指令進(jìn)行編譯，在yolo文件夾目錄下輸入Python3 yolo_to_onnx.py-權(quán)重文件名稱，YOLOv4_tiny執(zhí)行腳本把.weights文件轉(zhuǎn)化為.onnx文件即可。

實(shí)驗(yàn)證明，用TensorRT加速優(yōu)化后的實(shí)時監(jiān)測幀率是未優(yōu)化幀率的2～3倍。

未用TensorRT優(yōu)化的監(jiān)測幀率如圖3所示。

用TensorRT優(yōu)化后的監(jiān)測幀率如圖4所示。

1.3 使用DarkNet框架和YOLOv4-tiny訓(xùn)練數(shù)據(jù)集

目前，大部分多目標(biāo)數(shù)據(jù)集完全可以滿足視障人群周圍環(huán)境的目標(biāo)檢測任務(wù)，如果視障人群所處環(huán)境特殊，本文可以進(jìn)行自定義數(shù)據(jù)集訓(xùn)練。

DarkNet框架[7-8]的優(yōu)點(diǎn)是易于安裝、無依賴項(xiàng)，可以方便地訓(xùn)練YOLOv3、YOLOv4、YOLOv3-tiny、YOLOv4-tiny[9]等網(wǎng)絡(luò)。

具體操作如下：

（1）下載DarkNet框架，配置Makefile文件，使用gedit makefile打開Makefile文件修改參數(shù)（圖5）；

（2）編譯Makefile文件，生成可執(zhí)行的DarkNet文件夾，通過LableImage標(biāo)注工具給每張需要識別的物體照片加以標(biāo)記，所產(chǎn)生的目標(biāo)信息儲存于相對應(yīng)的XML文檔。

本文使用的是Pascal VOC格式的數(shù)據(jù)集[10]，訓(xùn)練流程如圖6所示。

2 TFmini Plus激光雷達(dá)

2.1 TFmini Plus簡介

TFmini基于TOF設(shè)計(jì)而成。產(chǎn)品周期性地向外發(fā)出近紅外光調(diào)制波，調(diào)制波遇障礙物后反射。產(chǎn)品通過測量調(diào)制波往返相位差，得到飛行時間，計(jì)算出產(chǎn)品與被測目標(biāo)之間的距離。

2.2 TFmini Plus激光雷達(dá)在Linux系統(tǒng)（Ubuntu）上的部署

使用TTL轉(zhuǎn)USB轉(zhuǎn)接板將雷達(dá)連接在Jetson Nano的USB端口。本文在Ubuntu系統(tǒng)上通過Python編寫程序讀取并處理雷達(dá)數(shù)據(jù)：

（1）配置Python環(huán)境，選用Ubuntu 18.04自帶的Python 3.6.9實(shí)現(xiàn)編程[11]；

（2）安裝Python相關(guān)庫，通過PyCharm編譯軟件讀取雷達(dá)數(shù)據(jù)，并將其轉(zhuǎn)化為距離。

Python腳本運(yùn)行結(jié)果如圖7所示。

3 科大訊飛語音合成模塊

3.1 語音合成技術(shù)簡介

語音合成（Text to Speech， TTS）技術(shù)[12-13]可自動將任意文字實(shí)時轉(zhuǎn)換為連續(xù)的自然語音，能夠在任何時間、地點(diǎn)，向任何人提供語音信息服務(wù)，非常符合信息時代海量數(shù)據(jù)、動態(tài)更新和個性化查詢的需求。

3.2 利用科大訊飛語音模塊進(jìn)行語音合成

文本轉(zhuǎn)語音實(shí)現(xiàn)界面如圖8所示。

生成合適的語音后，將語音文本添加到tensorrt_demos文件夾中，并在其中找到名為visualization.py的Python程序，在程序中添加TFmini激光雷達(dá)的測距函數(shù)，并生成一個名為distance的變量用來表示雷達(dá)的探測距離，再在程序中找到PlaySound函數(shù)和visualization程序中名為BBoxVisualization的類，在里面找到cls_name變量。該變量用來存放識別物體后顯示的物體名稱，通過if等邏輯分支語句將cls_name變量、distance變量與語音文本連接起來，當(dāng)攝像頭捕捉到位于前方一定距離的物體時，則執(zhí)行語音文本，通過麥克風(fēng)或耳機(jī)播報前方物體的具體名稱。

4 結(jié) 語

本文設(shè)計(jì)的基于Jetson Nano的智能輔助導(dǎo)盲裝置結(jié)合人工智能領(lǐng)域的兩大特色—視覺算法以及語音合成，同時本文又添加了激光雷達(dá)來輔助視覺算法，使裝置的準(zhǔn)確性大幅提升。同時，語音模塊的加入也使該裝置相較于傳統(tǒng)導(dǎo)盲設(shè)備更加人性化。為了使裝置能更好地服務(wù)視障人群，本文正在為裝置研發(fā)路徑規(guī)劃功能[14-15]，通過語音告知視障人群該如何前往目的地。后續(xù)還將添加語音互動功能，自動播報當(dāng)天天氣以及出門注意事項(xiàng)等，并開發(fā)相應(yīng)的APP使該裝置的操作更加便捷。

注：本文通訊作者為朱。

參考文獻(xiàn)

[1]曹敏.基于深度學(xué)習(xí)的遙感圖像識別技術(shù)應(yīng)用研究—評《基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像分割》[J].有色金屬工程，2021，11（12）：132.

[2]王琳毅，白靜，李文靜，等. YOLO系列目標(biāo)檢測算法研究進(jìn)展[J/OL].計(jì)算機(jī)工程與應(yīng)用：1-17 [2023-06-28]. http：//kns.cnki.net/kcms/detail/11.2127.tp.20230506.1523.014.html

[3]李海洲，徐秉錚.循環(huán)神經(jīng)網(wǎng)絡(luò)的語音識別算法[J].通信學(xué)報，1992，13（5）：76-79.

[4]張軒，王曉峰，張文尉，等.面向目標(biāo)檢測的尺度增強(qiáng)特征金字塔網(wǎng)絡(luò)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2023，32（1）：127-134.

[5] TONG K，WU Y Q. Rethinking PASCAL-VOC and MS-COCO dataset for small object detection [J]. Journal of visual communication and image representation，2023，93.

[6]楊肖，袁銳波，李兆旭，等.改進(jìn)YOLOv4的蠶豆苗檢測算法及TensorRT加速[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2023，37（3）：312-320.

[7]林海，龐妙珍，劉天成.基于改進(jìn)DarkNet網(wǎng)絡(luò)的輕量型車型識別方法[J].現(xiàn)代計(jì)算機(jī)，2021，27（24）：100-104.

[8]程陽，黃靈湛，陳立，等.基于改進(jìn)DarkNet框架的YOLO安全帽檢測模型[J].機(jī)器人技術(shù)與應(yīng)用，2022，35（1）：29-34.

[9]何湘杰，宋曉寧.YOLOv4-Tiny的改進(jìn)輕量級目標(biāo)檢測算法[J/OL].計(jì)算機(jī)科學(xué)與探索：1-17 [2023-05-14]. http：//kns.cnki.net/kcms/detail/11.5602.TP.20230310.0947.004.html

[10]李惜彤.基于深度學(xué)習(xí)的試卷錯號提取算法研究[D].西安：西安電子科技大學(xué)，2021.

[11]李兵.基于Ubuntu 18.04版本的網(wǎng)絡(luò)配置及軟件源本地化研究[J].電子測試，2018，41（15）：83.

[12]李乃寒.面向語音合成的深度學(xué)習(xí)算法研究與應(yīng)用[D].成都：電子科技大學(xué)，2021.

[13]王智，劉銀華.基于深度學(xué)習(xí)的中文情感語音合成方法[J].自動化與儀器儀表，2022，42（9）：10-15.

[14]宋鑫鵬，趙倩.基于ROS和SLAM的無人消殺機(jī)器人系統(tǒng)設(shè)計(jì)[J].自動化儀表，2023，44（1）：61-65.

[15]薛光輝，李瑞雪，張鉦昊，等.基于3D激光雷達(dá)的SLAM算法研究現(xiàn)狀與發(fā)展趨勢[J].信息與控制，2023，52（1）：18-36.