具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明做进一步说明。

如图1所示，本发明采用眼镜的形式，在眼镜原有的眼镜架1和镜片2前面设置前框架3，左镜脚和右镜脚做成壳体形式，左镜脚由左镜脚内壳9和左镜脚外壳10组成，右镜脚由右镜脚内壳11和右镜脚外壳12组成，前框架3与左镜脚和右镜脚有线路连接通道。在前框架3上中心位置设置了主摄像头4，主摄像头4一侧设置了红外成像摄像头5和景深灰度摄像头6，另一侧设置了红外测距摄像头8和激光雷达7。

所述左镜脚内壳9和左镜脚外壳10组成的左镜脚壳体中设有主PCB13，主PCB13上设有中央处理单元，所述主摄像头4、红外成像摄像头5、景深灰度摄像头6、红外测距摄像头8、激光雷达7连接所述中央处理单元；所述左镜脚壳体中还设有北斗/GPS天线16，壳体上设有数据接口19、神经传输电极17；所述北斗/GPS天线16、数据接口19、神经传输电极17连接所述中央处理单元。

所述右镜脚内壳11和右镜脚外壳12组成的右镜脚壳体中设有辅助PCB14，还设有5G/WIFI/蓝牙天线15、电池20；壳体上设有神经传输电极17、骨传导马达18、按键21、耳麦22；所述5G/WIFI/蓝牙天线15、电池20、神经传输电极17、骨传导马达18、按键21、耳麦22都通过辅助PCB14连接所述中央处理单元。

所述电池20设有充电接口，用于连接扩展电源23(如充电宝等)。

本发明还可以通过5G/WIFI/蓝牙天线15连接扩展主机，扩展主机可以为挂在腰间的穿戴设备。

如图2所示为本发明的原理框图，本发明所述中央处理单元通过景深灰度摄像头6、红外成像摄像头5，主摄像头4采集数据结合进行三维立体建模；所述中央处理单元使用主摄像头4和红外成像摄像头5进行三维几何信息判断，并使用激光雷达7和红外测距摄像头8测距，获得深度距离，判定物理种类和距离；所述中央处理单元将上述信息转化为语音，通过耳麦22提示视觉障碍人士。

所述中央处理单元由电池20供电，由北斗/GPS天线获得并发送定位信息给中央处理单元，中央处理单元(A06)把采集到的图像，距离数据进行处理给出指令，通过耳麦22做语音提示播报，还可以在嘈杂的环境中驱动震动器(骨传导马达18可以作为震动器)进行提示，5G/WIFI/蓝牙天线可以和智能移动终端(如手机等)通信，然后和中央处理单元进行数据交换和指令接收。同时物联网云平台推送提示信息可以通过手机传递给中央处理单元，可进行查询和定位以及指令播放。

本发明可以实现脑机通信，既可以由中央处理单元控制神经传输电极17、骨传导马达18向大脑发送信号，也可以在大脑中植入电极，由5G/WIFI/蓝牙天线与植入的电极通信，在大脑中展现实物景象。

本发明中的按键21可作为SOS紧急求助键，按下按键21后，中央处理单元可通过5G/WIFI/蓝牙天线与智能移动终端通信，推送提示信息和位置信息给云端平台，或由中央处理单元控制拨打相关联系人电话进行联通。

本发明涉及的软件算法说明如下。

一、建模：

原理是通过卷积神经网络(CNN)模型处理(通过CNN模型这种天然的特征描述机制，对图像进行预处理，将图像处理和视觉预处理合二为一)来描绘出前方景象的大体轮廓(边缘和轮廓的提取需要避免物体边缘和轮廓被过强的图像线条掩盖，并且纹理本身是一种很弱的边缘分部模式，所以处理起来会比较复杂)具体方法采用的是分级(hierarchical)方法，将每个边缘像素与多于一个的边缘类相关联，是一种基于残差网络(ResNet)的端到端的边缘学习的架构，同时也是一种跨层(skip-layer)架构，其中采用顶层卷积层的类别边缘激活共享并与底层特征的同一集融合，这里用一种多标签损失函数来监督激活的融合。

基础网络采用全卷积网络框架，在基础网络的顶部，添加分类模块作为1×1卷积层，然后是双线性上采样(由K分组反卷积层实现)产生一个K个激活图{A1，···，AK}的集合，其中每个激活图都与图像尺寸相同；然后，Yk(p)＝σ(Ak(p))定义的sigmoid单元对像素属于第k类边缘的概率建模。

本算法采用嵌套式架构(nested architecture)：

1)将底部分类模块更换为特征提取模块。

2)放置分类模块，仅在网络顶部施加监督。

3)采用共有连接而不是切片连接。

4)增加属性系数使得计算结果更利于算法识别。

具体为：本发明通过景深灰度摄像头6，红外成像摄像头5，主摄像头4结合的方式来进行三维立体建模；首先用景深灰度进行立体成像，建立立体模型数据，，接下来使用红外成像对立体物体进行层次填充，并进一步还原物体的立体外形，最后使用主摄像头对物体外形细节的辨识，结合使用达到辨识目标的状态。将以上数据通过后台运算，来计算出物体的实际状态，并通过三维建模来还原当前的物理环境。

二、深度距离判断：

使用主摄像头和红外成像摄像头进行三维几何信息判断。

深度距离判断采用双目立体视觉原理，基于视差原理，由多幅图像获取物体三维几何信息的方法。在机器视觉系统中，双目视觉由双摄像机从不同角度同时获取周围景物的两幅数字图像，或有由单摄像机在不同时刻从不同角度获取周围景物的两幅数字图像，并基于视差原理即可恢复出物体三维几何信息，重建周围景物的三维形状与位置。双目立体视觉是基于视差，由三角法原理进行三维信息的获取，即由两个摄像机的图像平面和北侧物体之间构成一个三角形。一直两个摄像机之间的位置关系，便可以获得两摄像机公共视场内物体的三维尺寸及空间物体特征点的三维坐标。

本发明使用主摄像头和红外成像摄像头作为双目相机，双目立体视觉流程如下：

1、首先需要对双目相机进行标定，得到两个相机的内外参数、单应矩阵；

2、根据标定结果对原始图像校正，校正后的两张图像位于同一平面且互相平行；

3、对校正后的两张图像进行像素点匹配；

4、根据匹配结果计算每个像素的深度，从而获得深度图。

本发明使用红外测距摄像头和激光雷达摄像头交叉处理的方式来判断物体距离和动静状态；以及红外测距摄像头处理活体温度的初步判断并辅助测量距离(依靠红外热源的温度辅助测量物体到摄像头的距离)，然后使用激光雷达是用来快速判断活动移动的二次判定与区分。达到判定物理种类和距离的目的。

通过上述软件算法及过程所获得的信息数据，为本发明的AI智能语音播报提供准确的数据基础。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。