我国第二次残疾人调查数据显示,我国视障人群人数超过1200万,是全世界视障人数最多的国家。为了保障视障人群的出行,许多城市在行人道上设置了盲道区域,它可以为视障人群提供行进、拐弯和到达等提示信息。近年来,基于图像识别的电子导盲系统的出现为视障人群带来了更多便利。盲道分割是电子导盲系统的重要组成部分,为提高盲道分割的效率和质量,本文主要做了如下研究:(1)本文提出了一种基于传统数字图像处理技术的盲道分割改进算法。在提出的改进算法中,首先对颜色直方图提取的特征进行SVM预分类,将盲道图片分为颜色盲道和纹理盲道两类。之后分别对转换到HSV颜色空间的颜色盲道采用改进的OTSU多参数融合的分割;对纹理盲道进行改进的高斯差分预处理,灰度共生矩阵提取特征,最后采用K均值聚类分割。由于对盲道采取了准确分类和分割算法,极大的改善了光照、阴影的影响下的分割效果。(2)为了使盲道分割算法具有更强的场景适应性,本文结合卷积神经网络U-Net和Mobilenet的特点,提出了一种改进的网络模型M3-Unet。为了获得在小数据集中的训练效果,并减小运行资源消耗,本文提出的改进模型以U-Net为基础模型,并在传统U-Net编码层中采用具有的较强模式识别能力的Mobilenet网络进行特征提取。实验结果表明,使用本文提出的M3-Unet模型,提取的图像特征比现有多种深度学习算法包含更多语义信息,能够有效改善盲道图像分割效果和适应范围。(3)为了实现改进算法在嵌入式平台的应用,本文搭建了基于NVIDIA Jetson nano嵌入式平台,并在该平台上移植了提出的M3-Unet改进模型,实现了实时盲道分割。