随着计算机视觉技术的飞速发展以及嵌入式GPU设备的普及与进步,为人们生活带来了许多便利,在机器人、安保、自动驾驶方面取得令人瞩目的成果,同时新设备、新技术的出现能够给盲人群体带来更多的便利。近些年来,国内外的许多科技工作者也致力于盲人辅助设备的研究,旨在为盲人出行、避障等方面安全提供帮助和支持,但存在不同程度上的便捷性不足、价格高昂、环境认知能力不足等问题,且此类辅助设备多适用于室外环境。然而人类的大多数的活动时间和空间还是在室内环境,尤其是盲人群体,如何有效地帮助盲人群体寻找自己感兴趣的目标,提升对周围环境的感知和认知能力,成为了重要的课题,这也正是本文所要研究的主要内容。基于以上背景,本文对相关技术进行了研究与探索,提出了一种基于Jetson nano的嵌入式盲人视觉辅助系统,该系统使用目标识别算法和双目测距算法对盲人的室内环境取物和规避危险物品提供了视觉辅助。本文的主要工作内容包括三个方面,第一,对Faster-RCNN算法、SSD算法、YOLO算法进行学习和研究,并最终采用YOLOv3 Tiny作为本文的目标检测算法;第二,对YOLOv3 Tiny算法进行改进,通过加深YOLOv3 Tiny的网络层深度以及添加注意力机制模块提升了模型的精度,同时采用了Tensor RT推理加速框架提升了模型的速度;第三,将目标识别算法提供的检测框坐标信息与BM算法生成的深度图相结合,以获得被识别目标的深度信息,并基于检测框坐标信息得到被识别目标的方位信息。