绝大多数盲人在无人陪伴的情况下缺乏指导,很难单独出门。盲道作为城市重要的基础设施,并没有发挥其应有的作用。因此,如何有效地利用盲道信息来帮助盲人出行成为学者们关注的焦点。随着社会对视力障碍人群越来越重视,导盲系统的研究和开发就显得极具现实意义。本文针对导盲系统的两个关键技术盲道分割和障碍物检测展开了讨论和研究,主要的研究内容及成果:1、构建了一种用于Android系统的基于改进型U-net的盲道分割模型。该方法在U-net网络基础上进行改进,通过减少压缩块和扩展块,并减少模型卷积层的通道数,构建适合运行在移动设备上的盲道分割模型。实验结果表明,构建的模型在PC端和移动端上都有较好的盲道分割效果,盲道边缘不易分割错误,且在移动端分割速度相较原U-net提升了10倍以上。2、构建了一种用于Android系统的基于卷积神经网络的障碍物检测模型。考虑到传统方法检测障碍物效果不佳的状况以及移动设备资源有限的问题,本文设计了一种参数少且检测性能高的障碍物检测模型。通过实验测试,验证了该模型的有效性,其AUC值为92.5%,比文献[10]的方法提高了10%,且在移动端的检测速度远快于文献[10]的方法。3、将训练完成的盲道分割模型和障碍物检测模型移植到Android移动操作系统平台,开发导盲APP并测试该APP在移动手机设备上的运行速度和效果,测试表明该APP能在手机设备上流畅运行,且盲道分割准确,障碍物检测效果好。