作品详情

大赛登录

大赛注册

当前位置：首页大赛首页 “视界守护者”——基于 ROS+YOLOv11 系统的导盲车

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：“视界守护者”——基于 ROS+YOLOv11 系统的导盲车
学校名称：兰州工业学院
参赛队伍：Tfgirl4
队伍编号：222534
参赛学生：周诗雯李蕾康钰婕王倩
指导老师：焦建
投票日期：2025年10月10日 00:00->2025年12月15日 00:00
请在微信端进行投票。点此扫描二维码。

详细说明

我国视障人群规模庞大，总数超过 800 万，占世界失明人口的 20%。然而，当前市场上的助盲设备仍然以低技术附加值产品为主，《残疾人基本辅助器具指导目录（2020版）》中涉及视障人群的助视器仅限于放大镜、低视力眼镜、电子助视器等传统产品，呈现明显的低技术含量特征。盲人群体能够使用的智能产品极度稀缺，相关自主知识产权较少，目前国内盲人智能助视器处于市场化初期。

现有导盲方式存在显著局限性：人员陪伴无法随时跟随；导盲犬训练成本高、数量有限；智能盲杖功能单一；穿戴式导盲设备安全系数较低；移动式导盲机器人不能适应复杂地形。这些设备都无法完全满足视障人群日益增长的出行需求，急需开发更有效的导盲辅助设备。同时，社会对视障人群出行困难的关注度不断提高，人们越来越重视弱势群体的权益保障，希望通过科技手段改善视障人士的生活质量，让他们更好地融入社会。这种社会共识为导盲车项目的发展营造了良好的氛围，也为技术创新提供了广阔的应用空间。

本项目提出了一种基于 YOLOv11 深度学习算法与 ROS 机器人操作系统的智能导盲车综合解决方案。该方案通过多技术融合与系统创新，致力于为视障人士提供安全、高效、舒适的出行体验。

核心技术方案包括以下几个层面：

环境感知层：采用 YOLOv11 目标检测算法实现高精度障碍物识别，结合激光雷达、超声波传感器、摄像头等多传感器融合技术，构建 360 度全方位环境感知系统。该系统能够准确识别行人、车辆、交通标志、低矮障碍物等多种目标，检测精度提升 20%以上，误检率降低至 5%以下。

决策规划层：基于 ROS 系统集成 SLAM（同步定位与地图构建）功能，实现动态路径规划与实时避障决策。系统采用 A*算法进行全局路径规划，结合 DWA（动态窗口法）和 RRT（快速探索随机树）算法进行局部路径调整，确保在不同环境条件下都能生成最优行进路径。

人机交互层：创新性地采用多模态交互方式，包括语音合成技术提供实时导航提示，振动反馈模块提供紧急避险警示，以及通过导盲杖实现力觉交互。用户可以通过自然语音指令控制设备，如"前往超市"、"停止"等，系统也会实时播报"前方 5 米有台阶，请左转" 等导航信息。

运动控制层：采用麦克纳姆轮全向移动平台，结合全地形车架结构，确保设备具有良好的通过性和稳定性。通过应力感应技术实时检测用户通过导盲杖施加的力信号，实现速度的自适应调节，保证使用过程中的舒适性。

系统架构层：采用模块化设计理念，基于 ROS 的分布式架构实现各功能模块的解耦与协同。关键模块采用冗余设计，确保在部分传感器或功能失效时仍能保持基本运行能力，显著提升系统可靠性。

本项目建立在坚实的理论基础之上，计算机视觉理论：YOLOv11 算法基于深度卷积神经网络，采用先进的 C3k2 架构和动态特征融合机制，在特征提取、目标检测、实例分割等方面具有坚实的数学基础。算法通过多尺度特征金字塔网络（FPN）实现不同尺度目标的检测，通过注意力机制提升关键特征的提取能力；多传感器融合理论：基于卡尔曼滤波、粒子滤波等数据融合算法，实现视觉、激光、超声等多源信息的有效整合。通过建立统一的状态空间模型，对不同传感器的观测数据进行最优估计，提高系统感知的准确性；运动规划与控制理论：采用基于采样的运动规划算法（RRT）、基于优化的规划算法（DWA）以及基于图搜索的规划算法（A*）相结合的方法，实现从全局路径规划到局部轨迹生成的完整解决方案。通过建立车辆运动学模型，确保生成轨迹的可行性和安全性；人机交互理论：基于多模态交互理论，整合视觉、听觉、触觉等多种信息通道，建立符合人类认知习惯的交互范式。通过研究视障人士的感知特点和操作习惯，设计符合人体工程学的交互方式；机器学习理论：采用深度学习、强化学习等机器学习方法，实现系统的自学习和自适应能力。通过在线学习机制，系统能够根据使用环境和用户习惯不断优化其性能。