[发明专利]一种基于神经网络的导盲机器人

说明书

本发明公开了一种基于神经网络的导盲机器人及方法，其中的方法包括：人机交互方式；视觉识别方法；经BP算法优化后的PID控制方法；改进卷积神经网络算法的语音识别方法。本发明将人机交互技术运用与导盲技术结合，更加的人性化，易操作；运用神经网络来计算PID数值，加上视觉传感器构建出三维地图，增加了导盲机器人的底盘路径移动时稳定性；打破常规的语音模块机械化运用，将其结合CNN深度卷积算法，再机器人移动的同时，并播报出路况。

技术领域

本发明涉及导盲机器人，具体涉及一种基于神经网络的多功能智控导盲机器人。

背景技术

目前，视觉是人类获取外界信息的主要来源，人们认识外界世界的40%的信息是视觉提供的。盲人因丧失视觉，无法对周围生活环境做出描述和理解，从而使得他们的衣食住行、生活起居等均受到严重限制，给生活带来很大困难。

随着人口的增长和老龄化程度的加深，到2050年，全球预计会有7.03亿人面临中重度视力损害或失明。根据中国残联的数据，目前我国至少有500万盲人，且盲人数量正在以每年45万的速度迅速增加。中国作为全球人口数量最多的发展中国家，为视力障碍人群提供医疗、教育、帮助就业等服务的任务巨大。而现今的导盲设施多用于一根导盲拐杖，主要依靠着人力的去寻找道路。除此之外，还有导盲犬，但盲障患者在饲养方面存在问题，而且导盲犬的投入资金巨大，低收入人群体难以支付，目前，国内外相关导盲设备主要以超声波传感器、视觉传感器，不过超声波传感器结构复杂，购置费用高，且视觉传感器应用技术不完善，所研究、设计一款更适合于盲障者使用的、简单的、便捷的可以消费的起的多功能智控导盲机器人是势在必行的。

（1）国外研究现状

有的导盲杖利用超声波传感器专门检测用户头部前方5m内的障碍物，有的用3个超声波传感器同时检测正前方、前方地下、前方偏上区域的障碍物。

有的导航腰带Nav Belt装配了 2排共 16个超声波传感器探测前方120°范围，并利用左、右耳声音的相位差使人产生方向性的印象，以实现声音图像模式和声音导航模式。在声音图像模式下，环境信息被转化成虚拟的声学图像，用户可以“听到”从右到左的环境信息，根据声音的大小和方向在脑内建立虚拟环境地图。在声音导航模式下Nav Belt用立体声指导盲人跟随根据GPS和障碍物信息确定的导航路线：当行走方向与建议方向相差不超过5°时，立体声为250Hz的低音；当盲人走错或距离障碍物过近时，立体声的振动频率增快、振幅增大。

而对于神经网络2006年以前就已有人提出一种学习效率很高的深度学习模型———ＣＮＮ．在20世纪80年代和90年代，一些研究者发表了CNN的相关研究工作，且在几个模式识别领域尤其是手写数字识别中取得了良好的识别效果。然而此时的只适合做小图片的识别，对于大规模数据，识别效果不佳。直至2012年，Krizhevsky等人使用扩展了深度的CNN在imageNet大规模视觉识别挑战竞赛 （ImageNet Large Scale VisualRecognitionChallenge,LSVEC）中取得了当时最佳的分类效果，使得CNN越来越受研究者们的重视。

有用固定的白色LED灯作为发射器，用户手持PIN二极管接收器读取不同频率光线对应的信息以确定位置。该系统简易低价、不受电磁干扰的影响，但受遮挡物、反光物和其他光源的影响大，只适合简单、黑暗的室内环境。有开发的“伪吸引力”手持导盲设备利用人感知力的习惯，在扁圆柱型导航仪中产生一种特殊的振动，用2D平面内任意方向的“推/拉力”指导用户前进。

有致力于双声道超声波导盲仪的研究。该导盲装置采用凯氏空间感知辅助技术，依靠模仿蝙蝠识别物体的原理来实现利用雷达感知周围环境中的复杂信息。导盲仪发出的超声波从物体表面反射多重回波会提供有效探测距离内各种物体的质地、方位、距离等多种信息，该装置能接收到这些信息并转换成独特的复合声音，并通过耳机来提示使用者。