今天為大家?guī)淼氖莵碜詣?chuàng)作者X同學的作品：助盲環(huán)境感知裝置. 這個裝置主要利用Grove Vision AI V2-Camera module識別環(huán)境中的物體，并利用XIAO ESP32S3和樹莓派進行語音輸出，結合了物體檢測和文本轉語音技術，以向視障人士提供環(huán)境信息。

故事背景

視障人士在感知環(huán)境和進行導航時面臨困難，導致他們的行動能力受到限制。通過這個項目，我將展示如何利用人工智能和計算機視覺技術來應對這一挑戰(zhàn)。實施該項目后，盲人可以在一定程度上減少對周圍環(huán)境和他人的依賴。

該項目結合了物體檢測和文本轉語音技術，以向視障人士提供環(huán)境信息。用戶可以通過耳機收聽轉化后的語音，從而更好地理解周圍的世界。

材料清單

硬件

Seeed Studio XIAO ESP32S3 Sense

Rasberry Pi 1 Model B+

樹莓派外殼

Grove -Vision Al Module V2

OV5647-69.1 FOV Camera module for Raspberry Pi 3B+4B

應用軟件

SenseCraft AI

Arduino IDE

使用SenseCraft AI開發(fā)物體檢測模型

我使用 SenseCraft AI 來訓練物體檢測模型。SenseCraft AI 是進行模型訓練和模型部署的領先開發(fā)平臺。

要啟動一個項目，您需要在 SenseCraft AI 輸入您的賬戶（或創(chuàng)建一個免費賬戶）。然后就可以使用平臺上提供的模型或者創(chuàng)建自己的模型了，這十分便捷。

在 SenseCraft AI 中，您可以上傳現(xiàn)有的數(shù)據(jù)，也可以使用連接設備記錄新數(shù)據(jù)。在我的項目中，我準備了一個數(shù)據(jù)集，其中包括一些常見物品，如椅子、桌子和路上的行人。數(shù)據(jù)集中包含的物品越多，模型就越有效。數(shù)據(jù)集的大小也很重要。我們能拍攝到的特定物體的圖像越多，準確度就越高。

我在最初的項目中上傳了 3 個物體的 312 張圖片。以后我會上傳更多對象的更多圖像，調高模型的準確度。

將物品鑒別模型上傳到Grove Vision AI

打開SenseCraft平臺：Home - SenseCraft AI

打開SenseCraft主頁，找到模型訓練選項，點擊進入

在模型訓練界面首先選擇分類識別類型，然后在”2”處選擇設備Grove -Vision Al Module V2 點擊連接，接著按照具體需求是否添加類別，并為分類命名

接著在第二步處選擇設備Grove -Vision Al Module V2，點擊開始訓練，高級設置按需設置，否則默認即可，訓練完畢后即可選擇設備Grove -Vision Al Module V2進行模型部署。等待部署完成，我們在頁面右側即可觀察到，通過攝像頭對準物品，效果預覽內(nèi)的物體置信度也會實時改變。此步實現(xiàn)及說明模型部署成功。

使用XIAO ESP32S3通過串口輸出識別物體

將XIAO ESP32S3與 上傳好模型的Grove -Vision Al Module V2連接。以下是輸出識別物體序號的完整程序，請為 XIAO ESP32 系列編譯并上傳此程序

#include 


SSCMA 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);
    }
  }
}

輸出結果：

當我將攝像頭對準人時，串口輸出target1代表識別到人

當我將攝像頭對準桌子時，串口輸出target2代表識別到桌子

當我將攝像頭對準椅子時，串口輸出target0代表識別到椅子

配置樹莓派

XIAO ESP32S3 Sense搭配Grove -Vision Al Module V2 可檢測周圍環(huán)境中的物體，并返回物體的名稱和位置。Raspberry Pi 用于通過 UART 接收物體名稱和位置，并將文本轉換為語音。在這里使用的是 Raspberry Pi 4 B，性能令人滿意。在 Raspberry Pi 上安裝操作系統(tǒng)后，我配置了音頻控制系統(tǒng)，并將音量設置為 100%。

sudo raspi-config

然后，我在 Pi 上安裝了免費的軟件包 Festival。Festival 由英國語音技術研究中心編寫，為構建語音合成系統(tǒng)提供了一個框架。它通過多種應用程序接口提供完整的文本到語音功能：從 shell 層、通過命令解釋器、作為 C++ 庫、從 Java 和 Emacs 編輯器界面。

使用以下命令安裝 festival：

sudo apt-get install -y libasound2-plugins festival

安裝festival后，連接了一個有線耳機，并使用以下音頻進行了測試

echo "Hello World!" | festival --tts

然后，在 Raspberry Pi 上安裝了 python 串行模塊。

通過一根 USB-C 電纜將 XIAO ESP32S3 Sense 與 Raspberry Pi 連接起來。

為樹莓派編寫代碼

在編寫代碼之前，我們需要知道 XIAO Sense 板的串口號。

連接好 XIAO Sense 板并將其插入 Raspberry Pi 后，我們可以在終端運行以下命令。

dmesg | grep tty

結果是:

現(xiàn)在我們知道串行端口號了。是時候編寫代碼了。我為 Raspberry Pi 編寫了以下代碼，將接收到的文本轉換為語音

#!/usr/bin/env python
# 這行指定腳本使用的解釋器（Python）
import time
import serial
import os
# 設置串口連接的參數(shù)，用于與設備進行通信
ser = serial.Serial(
        port='/dev/ttyACM1', # 指定設備連接的端口。
        baudrate = 115200, # 設置串口通信的波特率
        parity=serial.PARITY_NONE, # 不使用奇偶校驗位
        stopbits=serial.STOPBITS_ONE, # 使用一個停止位
        bytesize=serial.EIGHTBITS, # 每個字節(jié)有8位數(shù)據(jù)位
        timeout=1 # 設置讀取串口時的超時時間為1秒
)
# 進入一個無限循環(huán)，不斷讀取串口數(shù)據(jù)
while True:
        receive_msg=ser.readline()  # 從串口讀取一行數(shù)據(jù)
        print(receive_msg)           # 打印接收到的數(shù)據(jù)
# 如果接收到的數(shù)據(jù)中包含“basin”的字樣，則執(zhí)行以下操作：
        if b'basin' in receive_msg.lower():
            os.system('echo "basin in front" | festival --tts')# 使用festival語音合成引擎朗讀提示信息。
# 如果接收到的數(shù)據(jù)中包含“1”的字樣，則執(zhí)行以下操作：
        if b'1' in receive_msg.lower():
            os.system('echo "people in front" | festival --tts')
# 如果接收到的數(shù)據(jù)中包含“0”的字樣，則執(zhí)行以下操作：
        if b'0' in receive_msg.lower():
            os.system('echo "chair in front" | festival --tts')
# 如果接收到的數(shù)據(jù)中包含“2”的字樣，則執(zhí)行以下操作：
        if b'2' in receive_msg.lower():
            os.system('echo " table in front" | festival --tts')
//以此類推

測試結果：

腳本設置開機自動啟動

bashrc 配置

修改 .bashrc 文件。

sudo nano /home/pi/.bashrc

在 /home/pi/.bashrc 文件的末尾添加啟動命令文本。

echo Running at boot 
sudo python /home/pi/sample.py

上面的 echo 命令用于顯示 .bashrc 文件中的腳本已經(jīng)開始運行。

Bash RC 配置程序會在樹莓派啟動時自動運行。.bashrc 文件中的命令在運行時會打開一個新的終端窗口。

但是當我在配置好以上內(nèi)容時，出現(xiàn)如下報錯：

解決辦法：
對我來說，我必須添加創(chuàng)建文件 /etc/asound.conf

并在此文件中并添加此內(nèi)容：

pcm.!default {
type asym
playback.pcm {
type plug
slave.pcm "hw:2,0"
}
}

這樣在樹莓派連接電源開機時，此程序就會自動運行啦！

外殼組裝

基于Seeed樹莓派基礎外殼，通過打孔將XIAO ESP32S3與Grove V2安裝在殼子外部。