UWB를 활용한 시각장애인용 스마트고글

Smart Goggles for the Visually Impaired using UWB

시각장애인의 이동을 보조하는 장치의 설치를 확대하려는 노력이 계속해서 이루어지고 있으나 실외에 비하여 실내에 설치된 보조하는 장치의 개수가 적어서 실내에서의 불편이 많은 불편이 있다. 따라서 본 논문에서는 이러한 문제점을 해결하고자, YOLO(You only look once)를 사용해 머신 러닝한 결과를 라즈베리 파이에 적용하고, UWB(초광대역) 센서의 삼변 측위 기법과 이를 칼만 필터로 적용하여 오차를 줄이는 기술에 대하여 연구하였다. 그 연구 결과는 YOLO 기술을 통해 객체 인식에 대한 종합적인 정확도 91.7%의 객체 인식 알고리즘을 구현하였다. 이러한 객체인식을 바탕으로 15도의 각도 차이를 가지는 두 초음파 센서의 거리 차이를 기반으로 하여 좌·우·전방 여부를 판단하였다. 적외선 센서를 통해 최대 1.5m의 거리를 받아들여 거리에 따른 경고 메세지를 출력하게 하였다. 실내에서 UWB 센서를 통하여 사용자의 Tag와 고정된 3대의 Anchor의 거리 측정을 하였으며, 해당 거릿값과 삼변 측위 기법을 연계하여 사용자의 위치를 실내에서도 측정되도록 하였다.

Efforts to expand the installation of devices that assist visually impaired individuals in their mobility are ongoing, but there are significantly fewer devices installed indoors compared to outdoors, causing considerable inconvenience for indoor navigation. Therefore, this paper aims to address these issues by applying the results of machine learning using YOLO(You Only Look Once) to a Raspberry Pi and by researching techniques to reduce errors through the trilateration method of UWB(Ultra-Wideband) sensors, applying it with a Kalman filter. The research results implemented an object recognition algorithm with a comprehensive accuracy of 91.7% using YOLO technology. Based on this object recognition, the direction (left, right, or front) was determined using the distance difference between two ultrasonic sensors set at an angle difference of 15 degrees. A distance of up to 1.5m was accepted through an infrared sensor to output a warning message according to the distance. The distance between the user's tag and the fixed three anchors was measured indoors through a UWB sensor, and the user's location was also measured indoors by linking the distance value with the three-side positioning technique.