数据集概述
本数据集用于支持视障人士障碍物规避系统研究，包含经人工标注的行人常见障碍物图像，涉及杆、围栏、凸起、坑洼四类，标注格式为YOLO，覆盖不同光照条件与户外环境，共一千六百二十七个标注。
文件详解
该数据集按训练/验证集与图像/标签分类存储，具体说明如下：
- 配置文件:
- Obstacles Avoidance Assistance for Visually Impair/data.yaml: YAML格式配置文件，可能包含数据集类别、路径等元信息。
- 训练集文件 (位于 train/ 目录下):
- 图像文件: 存储于 train/images/ 目录，格式为.jpg，示例文件如 --_26_011_jpeg.rf.9adf90e7c681e5122f277c25772fa5c5.jpg。
- 标签文件: 存储于 train/labels/ 目录，格式为.txt，示例文件如 --26_015_jpeg.rf.c1fcc07d94e71642892442edb4ed3574.txt，内容为YOLO格式的边界框标注（如 3 0.50859375 0.50390625 0.28125 0.690625）。
- 验证集文件 (位于 valid/ 目录下):
- 图像文件: 存储于 valid/images/ 目录，格式为.jpg，示例文件如 --26_076_jpeg.rf.4b6d301ebc955f5bf083ec854f7503ef.jpg。
- 标签文件: 存储于 valid/labels/ 目录，格式为.txt，示例文件如 --_26_044_jpeg.rf.b08a6f2ff89a14759ec72c5870301a49.txt，内容为YOLO格式的边界框标注。
数据来源
Roboflow公开来源
适用场景
- 计算机视觉模型训练: 用于训练和优化障碍物检测算法，提升视障辅助系统的准确性。
- 视障辅助技术研究: 支持开发基于图像识别的实时障碍物规避设备或应用。
- 环境感知算法评估: 测试不同光照、场景下障碍物检测模型的鲁棒性。
- 无障碍技术开发: 为视障人士出行辅助工具提供图像数据支持。
