基于树莓派开发的智能导盲杖
项目创建时间：25/1/7
团队成员：
分工：
该项目开发板为 RaspberryPi 5，使用 Python 语言编写，外壳等结构件为 PLA 3D 打印，拐杖主体为空心钢管（改为碳纤维）
识别机制：通过实地采样、网络等渠道获取障碍物不同角度、不同光线下的照片进行大模型训练，减速电机轮不断左右摆动以识别障碍物，识别到相应障碍物时会返回该障碍物位置以及标签信息
- 普通障碍识别：当时别到可避让障碍物时，减速电机轮会向障碍物反方向转动, 同时播放语音提示引导用户进行避障; 如遇不可避让障碍, 机器会播放语音提示, 提醒用户绕路。
- 楼梯: 检测到上下楼梯、台阶或台阶类似物时，机器会播放语音提示提醒用户上下楼梯，并在上下楼梯过程中提醒用户迈腿上下台阶。
- 盲道识别：当用户偏离盲道、盲道上有障碍物、盲道截止或转弯时，机器发出语音提示，引导用户回到盲道或进行避障。
- 生物识别：识别到行人或动物较多时，会提醒用户减慢速度，减小拐杖挥动幅度。
在手柄处增设一个按键，用户在按下按键时可以发出指令，例如导航，拨打电话等，大模型识别后，将执行用户发出的可执行指令。
- 轨迹授权：用户可以选择将实时 GPS 轨迹授权给他人等观看，增加安全保障。
- 远程协助：在用户按下
Help按钮时，志愿者或家人可以接收到通知，通过摄像头获取画面，对用户进行远程协助。 - 跌倒检测：重力加速度传感器和倾斜角传感器数据结合可以判断用户是否跌倒。用户可以自定义跌倒后是否向周边发出信号以及拨打紧急联系人电话或 120。
- 蓝牙：用户可以使用蓝牙连接手机，耳机，心率传感器等外设，提高识别精度，提供更好的安全保障。
25.1.7-25.1.11 项目成立，确立初版方案，代码使用Python语言 采购所需硬件，整理开发文档 配置树莓派系统环境 测试硬件
25.1.18 配置树莓派系统环境 实地调查老年人等人群平时出行情况及需求
25.1.20 绘制程序流程图 整理硬件尺寸资料，准备3D打印模型
25.1.25 确立初版3D模型 编写测距部分程序
25.2.1 优化3D模型
25.2.9 优化测距代码 3D打印模型试打
25.2.15 编写电机部分代码并优化 优化3D模型
25.2.21 实地拍摄图片，上网搜集图片 训练YOLO-V5模型
25.3.1-25.3.25 编写图像识别、跌倒检测、扬声器部分代码，并进行测试优化，整合避障代码 绘制供电PCB图纸并优化
25.3.26-25.4.1 PCB板打样并贴片
25.4.2-25.4.7 最后测试、整理资料、组装
| 名称 | 价格 |
|---|---|
| RaspberryPi 5 | |
| 减速电机 | 39.00 RMB |
| 全向轮 | 19.61 RMB |
| 4.2v 充电板 | 3.64 RMB |
| M2×20mm 螺丝(25) | 3.22 RMB |
| 5000mAh 锂电池 | |
| 增压电路板(3.7v-5v) | |
| 钢管 1200×21mm | 48.50 RMB |
| 树莓派扩展板 | 7.76 RMB |
| L298N 电机驱动模块 | 14.90 RMB |
| 树莓派散器 | |
| 杜邦线 | 未计算 |
| 3D 打印外壳 | 未计算 |
| 摄像头 | 未计算 |
| 扬声器 | 未计算 |
| 按钮 | |
| GPS | |
| 蓝牙 | |
| 软件费用 | |
| 开发过程中用到的工具 | |
| 合计 |