Свыше 80% информации, получаемой человеком из внешнего мира, приходится на зрение. Благодаря ему мы можем видеть среду, в которой находимся, интерпретировать и анализировать ситуацию. По данным на 2018 год Всемирной организации здравоохранения во всем мире приблизительно 1.3 миллиарда человек живут с той или иной формой нарушения зрения. Количество слепых и инвалидов по зрению в России: от 1 845 090 до 4 967 550 - инвалиды по зрению, от 610 299 до 780 615 - полностью слепые. У слабовидящих возникают проблемы с передвижением и ориентацией в среде. У них имеется несколько возможностей ориентироваться в пространстве. Первым и базовым решением является использование животных, как компаньонов для поиска безопасного пути. Однако, такой метод не удобен в городской среде, что привело к развитию технических решений. Самое распространённое техническое решение - так называемая «белая» трость. «Белая» трость - это трость белого цвета, используемая как идентификационное и вспомогательное средство при передвижении людьми, имеющими серьезные нарушения зрения, в том числе полностью слепые. Следующим шагом развития идеи «белой палочки» - ИК и УЗ аналоги, эти типы устройств являются дальномерами с различными типами излучения. Оба устройства зондируют поверхность перед пользователем, и если его луч обнаруживает препятствие, то устройство будет вибрировать . Интенсивность вибрации будет указывать расстояние меду устройством и препятствием. Однако развитие индустрии развлечений привело к созданию активной инфракрасной технологии сканирования пространства, такие системы используются в консолях PlayStation и Xbox для распознавания и захвата движений игрока. Наша команда исследует программную и аппаратную систему тактильного зрения, которая поможет людям с нарушениями зрения ориентироваться в окружающей среде. Устройство представляет собой оптическую систему с активным излучателем и камерой в ИК диапазоне.
В каждый момент времени проецируется модулированный точечный рисунок на исследуемую сцену. Отраженный объектами сцены рисунок регистрируется инфракрасной камерой. Проводя корреляционный анализ исходного и зарегистрированного рисунка можно построить дальностный профиль сцены относительно объектива камеры. Полученный профиль подвергается статистической обработке для выявления направления на препятствия, эти данные передаются на тактильную матрицу, предупреждая пользователя о преградах и расстоянии до них. Данная система не передает визуальное изображение, но позволяют получить незрячему человеку подробное представление об окружающем мире.
В качестве развития настоящей работы планируется провести больше тестов системы. Важно определить, как быстро человеческий мозг способен получать, обрабатывать информацию через кожу, тактильно. Также необходимо определить, как меняется чувствительность кожи при изменении вибрации.
Следующий шаг, это уменьшить размер оптического модуля (рисунок 3.5). Дело в том, что устройство Kinect довольно громоздкое. Заменив оптический модуль, получим более компактную систему. Так как эта система будет компактной, для нее будет необходим компактный компьютер, когда это будет сделано, количество задач для устройства технически возрастет.
Наиболее важным этапом является тестирование устройства вместе со слабовидящими людьми и внесение конструктивных изменений на основе их комментариев.
Для того чтобы удовлетворить потребности слабовидящих людей создаются специфические устройства и приспособления. Эти приспособления не передает визуальное изображение, но позволяют получить незрячему человеку подробное представление об окружающем мире. Подобные технические средства могут оказать значительную помощь слабовидящим и слепым людям.
1. Фисунов А.В. Восстановление карты глубины на основе комбинированной обработки многоканального изображения / Фисунов А.В. [и др.] // Современные проблемы науки и образования - 2014. - № 6. -С.1-8.
2. Андреев Д.С. Построение объемной модели видимой части объекта по изображениям стереопары // Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И.Ульянова (Ленина) (СПбГЭТУ «ЛЭТИ») ВКР магистра - 2017. -С. 11-30.
3. URL:http://mypractic.ru/urok-37-shirotno-impulsnaya-modulyaciya-v-ar-duino.html(дата обращения 15.06.2019).
4. Hisatomi K., Kano M., Katayama M. Depth Estimation Using an Infrared Dot Projector and an Infrared Color Stereo Camera // IEEE Transactions on cir¬cuits and systems for video technology, Vol. 27, No. 10. - 2017 -P. 1-3.
5. Berdnikov Y., Vatolin D. Real-time depth map occlusion filling and scene background restoration for projected-pattern-based depth cameras // Mobile Networks And Application, Vol. 19, Issue 3. - 2014. -P. 414-425.
6. Patent US № 20100020078, 28.01.2010. Spunt A. Depth mapping using multi-beam illumination // Patent US, USPS Class: 345420. 2010.
7. URL:https://habr.com/ru/post/130300/ (дата обращения 20.06.2019)
8. Мыскин А.А., Романовский А.М. Обзор технологии захвата движений kinect и аппаратнопрограммной части kinect for windows // Омский государственный университет - Омск. - 2015. -С. 113-115.
9. Абдулкадим Х.А., Васильев К.К., Дементьев В.Е. Разработка алгоритма навигации на основе данных инфракрасного дальномера kinect // REDS: Телекоммуникационные устройства и системы, Ульяновский государственный технический университет. -2015. -С. 113-115.
10. Хисматуллина В.Т. Структурированный свет в kinect // Наука и образование сегодня, Уфимский государственный авиационный технический университет. -2017. -С.25-26.