开发者Elaine Wong的心中有一个特殊用户：她天生失明的儿子。
研究人员和各个企业多年来一直努力发明各种装置，帮助视力障碍人士避开路面上的障碍，例如桌子椅子。许多类似设备利用超声波传感器来监测障碍物。挂在脖子上的Pathsounder项目已经停止，另外还有笨重的NavBelt是系在腰上使用，以及带有轮子的GuideCane，都是类似的例子。
不过，还有另一种暗藏在脚下的障碍——路面上那些微小的坑洼、台阶、路缘线或者断层，都可能会让步行者绊倒，或者让轮椅突然倾倒。对于这些细微的路面障碍，大部分高科技监测系统都没什么办法。
“对于这些不向外突出的障碍物，我们还不知道有什么监测设备比较好用。”Elaine Wong说，她是澳大利亚墨尔本大学的电子工程师。
在两家非盈利合作机构以及Ian Potter基金的帮助下，Wong制造了一个监测系统原型，利用了一个摄像头和激光来监测地面的坑洼等其他路面障碍。该系统结合了图像处理与机器学习，来分析用户周围的环境，在用户走动过程中提供声音指引。Wong上周在马来西亚举行的IEEE国际通信大会上呈现了她的作品。项目仍在进行中。目前，她的原型经过了3项小型测试，共使用了15个坑洼，原型能够正确识别至少90%的坑洼。
为了让系统真正发挥作用，她还需要在更多的测试中确认原型的能力，进一步提升系统精度。她希望调试机器学习算法的参数或者调整激光像素。她还需要创建一个实时版本的系统，因为目前测试中的图像处理是离线完成的。最后，她使用的激光只能在黑暗环境中使用，因此她还希望在接下来的版本中使用其他的激光。
Wong分别测试了两种激光模式作为监测方式，一种是投射一个激光网格，另一种以十字的形状投射。激光扫描用户面前的路面并返回设备时，系统会记录激光的强度。如果路面平整，激光会以完整的强度值返回，告诉用户这是一个平整的路面，例如人行道。但是如果激光由于路面坑洞必须传输更远的距离，模式中的这个部分就会比较微弱。
系统中的相机（目前是一个HD模式的GoPro相机）以15帧每秒记录激光模式。为了解读这些图像，Wong使用了机器学习与图像处理。她开发了可以发现激光模式中异常情况的算法，并将激光光点标记为一个坑洼。此时，系统会说“发现坑洼”。（她考虑过使用震动来提示用户，但是认为让系统大声说出来是最方便的办法。）十字模式的分析比网格模式更能带来高精度的结果。
Wong的目标是最终开发一个方便使用、价格便宜的路面障碍监测系统。“你希望系统可以快、可以小、并且复杂度低。”她说。
她的第一个版本设计是绑在步行者身上，或者绑在轮椅上，因为许多视力障碍人士依靠这些设备，而要使用导盲犬或拐杖发现障碍是比较难的。
在她看来，类似设备的潜在市场很大——世界卫生组织（WHO）称，全球视力障碍人士大约有二亿八千五百万人。不过，Wong心里最关心的是一个特殊用户——她的儿子生来便失明。她说：“希望这项产品真正实现的时候，他会为我感到骄傲。”
