近年来,随着计算机硬件资源的高速发展,基于深度神经网络的计算机视觉也得到了充分发展。语义分割作为计算机视觉的一个基本任务,可以实现场景感知。全世界约2.53亿的视障人士,他们的室内外生活和出行需要得到更多的关注。本课题基于深度神经网络,针对盲人日常需求设计了室内和室外的语义分割网络。室内环境下,往往存在光照不均衡、光照不足、物体遮挡和物体歧义性问题。RGB语义分割模型很容易被上述困难所干扰。随着深度相机的出现,将深度图和RGB图像结合,用于室内语义分割的模型也逐步出现。然而在室内环境中,RGB图像和深度图所包含的信息量受光照影响剧烈。并且,RGB图像代表的纹理明暗等细节信息和深度图代表的物体几何形貌的分布模式不匹配。课题提出的ACNet可以动态提取RBG-D特征,解决上述问题。在室外环境下,盲人更需要全方位的环境感知技术。课题设计了 360°全景环带图像语义分割网络。该模型使用了网络适配技术,在普通数据集上训练,在全景图像上测试,达到了较好效果。另外,模型使用的带注意力机制的跳跃连接也增强了模型的细节处理能力。