RunSight

为视障跑者打造的 AI 眼镜。

访问 runsight.labmino.com GitHub

AI计算机视觉嵌入式系统无障碍

RunSight 用一台摄像头读取跑道，然后说出简短提示，让视障跑者训练时不那么依赖领跑员。

84.23%: 赛道分割 IoU
88.24%: 行人检测 IoU
>10 FPS: 实时目标
6×: 优化后提速
Offline: 无需联网
RGB: 单摄像头，无 LiDAR

问题

印度尼西亚残障人士的体育参与差距仍然很大。BPS 在 2023 年统计有 2297 万残障人士，其中约 400 万为视障者。Susenas 数据显示，只有 11.6% 的残障人士定期运动，而国家目标是到 2029 年达到 15%。

在公共跑道上，视障跑者往往需要领跑员来把控配速、方向和安全。我们的调研发现了 15 个痛点，涵盖导航、无障碍、实时精度、人体工学、续航和成本。盲杖捕捉不到路面变化，GPS 可能漂移 5 到 10 米，一些设备则太重、太贵，或续航不足两小时。

“领跑员一忙，我的训练就得推迟。”

Maria，来自田野访谈的竞技运动员

系统

智能

RunSight-AI

三个视觉模型在设备上运行，读取赛道、检测前方行人并估算他们的距离。

硬件

RunSight-Wearable

摄像头眼镜加跑步背心。背心里装着 Raspberry Pi 5、Hailo AI 加速器、GPS、电池和耳机。

应用

RunSight-Mobile

一款读屏友好的配套应用：配对设备、开始跑步、查看距离、时间与路线，调整语音设置，制定每周目标，参与社区功能。

一台摄像头为设备上的三个模型供图。它们的输出被处理为跑者位置、前方行人、赛道区域、目标距离与弯道方向，最终变成一条语音提示。

赛道分割

IoU 84.23%

U-Net · ResNet-18

找到赛道线，判断跑道是直是弯，并估计跑者位于五个赛道区域中的哪一个。

行人检测

IoU 88.24%

YOLOv8n

检测跑道前方的行人——这通常是跑者最需要的警告。

深度估计

单目 RGB

Sc-Depth V3

仅用一台摄像头估算距离，让系统能对足够近、值得注意的人发出提醒。

如何引导

语音提示很短，因为跑者需要的是迅速的指令，而不是解释。系统把赛道形状、跑者位置、前方行人和距离合并成一条移动指令。

直行

赛道畅通，前方无人

左转 / 右转

赛道出现弯道

向左 / 向右移动

前方有人，或跑者偏出赛道

减速

前方有人且没有空闲赛道

设备内部

摄像头眼镜

一枚小型 USB 摄像头安装在轻量眼镜上，从跑者的视角观察跑道。

计算背心

背心里装着 Raspberry Pi 5、Hailo AI HAT、GPS、电池组，以及为原型定制的 3D 打印外壳。

耳机

跑者通过耳机接收引导，无需看手机或屏幕。

构建 AI

模型使用我们在跑道上采集的图像训练，包括 Patriot Candrabhaga 体育场，拍摄工具为智能手机和设备同款摄像头。我们在 Label Studio 中标注行人边界框与赛道分割掩码，并使用翻转、旋转、透视变形、运动模糊、亮度与对比度等增强。为了边缘部署，模型经由 Hailo 工具链转换与优化，包括校准和 HEF 编译。