助盲环境感知装置设计方案
今天为大家带来的是来自创作者X同学的作品：助盲环境感知装置. 这个装置主要利用Grove Vision AI V2-Camera module识别环境中的物体，并利用XIAO ESP32S3和树莓派进行语音输出，结合了物体检测和文本转语音技术，以向视障人士提供环境信息。
故事背景
视障人士在感知环境和进行导航时面临困难，导致他们的行动能力受到限制。通过这个项目，我将展示如何利用人工智能和计算机视觉技术来应对这一挑战。实施该项目后，盲人可以在一定程度上减少对周围环境和他人的依赖。
该项目结合了物体检测和文本转语音技术，以向视障人士提供环境信息。用户可以通过耳机收听转化后的语音，从而更好地理解周围的世界。
材料清单
Seeed Studio XIAO ESP32S3 Sense
Rasberry Pi 1 Model B+
树莓派外壳
Grove -Vision Al Module V2
OV5647-69.1 FOV Camera module for Raspberry Pi 3B+4B
应用软件
SenseCraft AI
Arduino IDE
使用SenseCraft AI开发物体检测模型
我使用 SenseCraft AI 来训练物体检测模型。SenseCraft AI 是进行模型训练和模型部署的领先开发平台。
要启动一个项目，您需要在 SenseCraft AI 输入您的账户（或创建一个免费账户）。然后就可以使用平台上提供的模型或者创建自己的模型了，这十分便捷。
在 SenseCraft AI 中，您可以上传现有的数据，也可以使用连接设备记录新数据。在我的项目中，我准备了一个数据集，其中包括一些常见物品，如椅子、桌子和路上的行人。数据集中包含的物品越多，模型就越有效。数据集的大小也很重要。我们能拍摄到的特定物体的图像越多，准确度就越高。
我在最初的项目中上传了 3 个物体的 312 张图片。以后我会上传更多对象的更多图像，调高模型的准确度。
将物品鉴别模型上传到Grove Vision AI
打开SenseCraft平台：Home - SenseCraft AI
打开SenseCraft主页，找到模型训练选项，点击进入
在模型训练界面首先选择分类识别类型，然后在”2”处选择设备Grove -Vision Al Module V2 点击连接，接着按照具体需求是否添加类别，并为分类命名
接着在第二步处选择设备Grove -Vision Al Module V2，点击开始训练，高级设置按需设置，否则默认即可，训练完毕后即可选择设备Grove -Vision Al Module V2进行模型部署。等待部署完成，我们在页面右侧即可观察到，通过摄像头对准物品，效果预览内的物体置信度也会实时改变。此步实现及说明模型部署成功。
使用XIAO ESP32S3通过串口输出识别物体
将XIAO ESP32S3与 上传好模型的Grove -Vision Al Module V2连接。以下是输出识别物体序号的完整程序，请为 XIAO ESP32 系列编译并上传此程序
#includeSSCMA AI; void setup() { AI.begin(); Serial.begin(600); } void loop() { if (!AI.invoke()) { Serial.println("invoke success"); Serial.printf("perf: prepocess=%d, inference=%d, postprocess=%d ", AI.perf().prepocess, AI.perf().inference, AI.perf().postprocess); for (int i = 0; i < AI.boxes().size(); i++) { Serial.printf( "box %d: x=%d, y=%d, w=%d, h=%d, score=%d, target=%d ", i, AI.boxes()[i].x, AI.boxes()[i].y, AI.boxes()[i].w, AI.boxes()[i].h, AI.boxes()[i].score, AI.boxes()[i].target); } for (int i = 0; i < AI.classes().size(); i++) { Serial.printf("class %d: target=%d, score=%d ", i, AI.classes()[i].target, AI.classes()[i].score); delay(2000); } for (int i = 0; i < AI.points().size(); i++)0 { Serial.printf("point %d: x=%d, y=%d, z=%d, score=%d, target=%d ", i, AI.points()[i].x, AI.points()[i].y, AI.points()[i].z, AI.points()[i].score, AI.points()[i].target); } } }
输出结果：
当我将摄像头对准人时，串口输出target1代表识别到人
当我将摄像头对准桌子时，串口输出target2代表识别到桌子
当我将摄像头对准椅子时，串口输出target0代表识别到椅子
配置树莓派
XIAO ESP32S3 Sense搭配Grove -Vision Al Module V2 可检测周围环境中的物体，并返回物体的名称和位置。Raspberry Pi 用于通过 UART 接收物体名称和位置，并将文本转换为语音。在这里使用的是 Raspberry Pi 4 B，性能令人满意。在 Raspberry Pi 上安装操作系统后，我配置了音频控制系统，并将音量设置为 100%。
sudo raspi-config
然后，我在 Pi 上安装了免费的软件包 Festival。Festival 由英国语音技术研究中心编写，为构建语音合成系统提供了一个框架。它通过多种应用程序接口提供完整的文本到语音功能：从 shell 层、通过命令解释器、作为 C++ 库、从 Java 和 Emacs 编辑器界面。
使用以下命令安装 festival：
sudo apt-get install -y libasound2-plugins festival
安装festival后，连接了一个有线耳机，并使用以下音频进行了测试
echo "Hello World!" | festival --tts
然后，在 Raspberry Pi 上安装了 python 串行模块。
通过一根 USB-C 电缆将 XIAO ESP32S3 Sense 与 Raspberry Pi 连接起来。
为树莓派编写代码
在编写代码之前，我们需要知道 XIAO Sense 板的串口号。
连接好 XIAO Sense 板并将其插入 Raspberry Pi 后，我们可以在终端运行以下命令。
dmesg | grep tty
结果是:
现在我们知道串行端口号了。是时候编写代码了。我为 Raspberry Pi 编写了以下代码，将接收到的文本转换为语音
#!/usr/bin/env python # 这行指定脚本使用的解释器（Python） import time import serial import os # 设置串口连接的参数，用于与设备进行通信 ser = serial.Serial( port='/dev/ttyACM1', # 指定设备连接的端口。 baudrate = 115200, # 设置串口通信的波特率 parity=serial.PARITY_NONE, # 不使用奇偶校验位 stopbits=serial.STOPBITS_ONE, # 使用一个停止位 bytesize=serial.EIGHTBITS, # 每个字节有8位数据位 timeout=1 # 设置读取串口时的超时时间为1秒 ) # 进入一个无限循环，不断读取串口数据 while True: receive_msg=ser.readline() # 从串口读取一行数据 print(receive_msg) # 打印接收到的数据 # 如果接收到的数据中包含“basin”的字样，则执行以下操作： if b'basin' in receive_msg.lower(): os.system('echo "basin in front" | festival --tts')# 使用festival语音合成引擎朗读提示信息。 # 如果接收到的数据中包含“1”的字样，则执行以下操作： if b'1' in receive_msg.lower(): os.system('echo "people in front" | festival --tts') # 如果接收到的数据中包含“0”的字样，则执行以下操作： if b'0' in receive_msg.lower(): os.system('echo "chair in front" | festival --tts') # 如果接收到的数据中包含“2”的字样，则执行以下操作： if b'2' in receive_msg.lower(): os.system('echo " table in front" | festival --tts') //以此类推
测试结果：
脚本设置开机自动启动
bashrc 配置
修改 .bashrc 文件。
sudo nano /home/pi/.bashrc在 /home/pi/.bashrc 文件的末尾添加启动命令文本。
echo Running at boot sudo python /home/pi/sample.py
上面的 echo 命令用于显示 .bashrc 文件中的脚本已经开始运行。
Bash RC 配置程序会在树莓派启动时自动运行。.bashrc 文件中的命令在运行时会打开一个新的终端窗口。
但是当我在配置好以上内容时，出现如下报错：
解决办法：
对我来说，我必须添加创建文件 /etc/asound.conf
并在此文件中并添加此内容：
pcm.!default {
type asym
playback.pcm {
type plug
slave.pcm "hw:2,0"
}
}
这样在树莓派连接电源开机时，此程序就会自动运行啦！
外壳组装
基于Seeed树莓派基础外壳，通过打孔将XIAO ESP32S3与Grove V2安装在壳子外部。
-
计算机
+关注
关注
19文章
7488浏览量
87846 -
耳机
+关注
关注
28文章
3008浏览量
81389 -
AI
+关注
关注
87文章
30725浏览量
268870 -
树莓派
+关注
关注
116文章
1706浏览量
105603
原文标题：创客项目秀|基于Grove Vision AI V2和XIAO ESP32S3的助盲环境感知装置
文章出处：【微信号：ChaiHuoMakerSpace，微信公众号：柴火创客空间】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
【资料分享】STM32设计方案与示例分享 第一波
【嗮方案】-温室环境云感知终端
【感知农业】温室环境云感知终端
求一种基于Android和Zigbee技术实现的家庭环境监控系统的设计方案
PADS Layout手机板盲埋孔的设计方案
高温环境下的家用绿色电源设计方案
基于Infineon的电子动力转向装置设计方案
基于Android与物联网的教学环境感知模型
基于编码的盲签名方案
工商网监
评论