Een bospad in 200 milliseconden. Hoe AI en 5G mensen met een visuele beperking helpen zelfstandig te wandelen
Een blinde wandelaar volgt zelfstandig een kronkelend pad in het bospark. Dreigt hij af te wijken, dan hoort hij via zijn smartphone een korte aanwijzing: links, rechts of rechtdoor. Achter die eenvoudige boodschap schuilt een opmerkelijke omweg. Het camerabeeld reist via 5G naar een computer op afstand en keert binnen een fractie van een seconde terug als richtingadvies.
Een probleem dat GPS niet oplost
Voor wie ziet, is het verschil tussen een wandelpad, gras en struikgewas vanzelfsprekend. Voor iemand met een visuele beperking is dat minder duidelijk. Een witte stok detecteert hindernissen vlakbij, maar kijkt niet enkele meters vooruit. GPS kan iemand naar een park brengen, maar is niet nauwkeurig genoeg om te bepalen of een wandelaar midden op een smal of kronkelend pad blijft.
Daaruit ontstond de vraag van mijn masterproef: kan een camera het begaanbare pad herkennen en snel genoeg een bruikbare aanwijzing geven?
De AI zoekt wandelruimte
Voor mijn masterproef aan de Vrije Universiteit Brussel ontwikkelde ik een systeem dat camerabeelden analyseert met artificiële intelligentie. Het model probeert niet elke boom, bank of struik te benoemen. Het zoekt naar het deel van het beeld waarop iemand veilig kan wandelen.
De software bakent dat oppervlak af, berekent het midden van het pad en zet het resultaat om in een richting. Een wandelaar heeft weinig aan een opsomming van alles wat de camera ziet. Op het juiste moment weten dat hij wat meer naar links moet, is veel nuttiger.
Daarom herleidt de smartphone-app de richting tot drie boodschappen: links, vooruit of rechts. Een aanwijzing klinkt alleen wanneer een correctie nodig is, zodat de gebruiker niet voortdurend met informatie wordt belast.
De snelste route loopt via een omweg
Beeldherkenning vraagt veel rekenkracht. Een kleine computer is draagbaar en energiezuinig, maar kan de beelden niet altijd snel genoeg analyseren. Tijdens mijn experimenten verwerkte een Raspberry Pi 5 lokaal slechts ongeveer 1,9 beelden per seconde. Dat is te traag voor begeleiding tijdens het wandelen.
Ik stuurde de beelden daarom via een publiek 5G-netwerk naar een krachtige grafische processor op afstand. Die herkent het pad, berekent de richting en stuurt alleen het resultaat terug.
Hoewel ieder beeld dus heen en weer reist, bleek dit sneller dan alle berekeningen op het draagbare toestel uitvoeren. De smartphone hoeft daardoor geen zware AI-computer te zijn. Hij dient vooral als camera, communicatiemiddel en interface.
Eerst wandelen in een virtueel park
Een onrijp navigatiesysteem meteen door blinde proefpersonen laten testen, zou onverantwoord zijn. Daarom bouwde ik eerst een digitaal park in Unreal Engine, software die vooral bekend is uit de gamewereld om realistische simulatiegames te ontwikkelen.
Een virtuele wandelaar legde er telkens exact hetzelfde traject af. Zo kon ik 4G, 5G, wifi en verschillende computers onder gelijke omstandigheden vergelijken. Dat maakte de experimenten veiliger én herhaalbaar.
Ook in de uiteindelijke toepassing blijft een lokale veiligheidslaag noodzakelijk. Een witte of slimme stok en aanvullende sensoren moeten bescherming bieden wanneer de camera iets mist of de verbinding wegvalt. Het systeem is een aanvulling op bestaande hulpmiddelen, geen vervanging.
Meer beelden zijn niet altijd beter
Bij assistieve navigatie telt de volledige tijd tussen het opnemen van een beeld en het ontvangen van de aanwijzing. Tijdens metingen in het Laerbeekbos bedroeg de gemiddelde vertraging van de mobiele verbinding ongeveer 24 milliseconden. Met compressie, verzending, beeldanalyse en het terugsturen van de richting bleef de totale reactietijd bij steeds onder 200 milliseconden. Aan wandelsnelheid is dat slechts 25 centimeter.
De proeven brachten ook een minder voor de hand liggende les aan het licht: meer beelden verzenden is niet altijd beter. Wanneer te veel beelden tegelijk aankomen, ontstaat op de server een wachtrij. De aanwijzingen komen dan steeds later terug, zelfs wanneer de verbinding theoretisch op papier snel genoeg is.
Een betrouwbaar systeem moet dus niet zo veel mogelijk beelden verwerken, maar precies genoeg. Het moet de kwaliteit en verzendsnelheid dynamisch kunnen verlagen zodra het netwerk minder stabiel wordt. Niet topsnelheid, maar voorspelbaar gedrag is doorslaggevend.
Van masterproef naar het echte bospad
De masterproef bleef niet in het laboratorium liggen. Op basis van het onderzoek werkte ik BlindNavParks uit, een project van Erasmushogeschool Brussel dat financiële steun kreeg van de Koning Boudewijnstichting voor een tweejarige pilot in Brusselse parken.
Binnen dat project ontwikkelde ik de website-app Stay On Trails verder en werd de technologie in de praktijk getest met een blinde ervaringsdeskundige. Tijdens een wandeling in het Laerbeekbos hielpen korte gesproken aanwijzingen hem om zelfstandig op het pad te blijven. De proef leverde niet alleen technische cijfers op, maar ook informatie over vertrouwen, gebruiksgemak en de hoeveelheid feedback die tijdens het wandelen wenselijk is. Hij bevestigde dat nooit eerder, een systeem hetzelfde vertrouwen had geboden om zelfstandig een pad te volgen.
Tegelijk werden de grenzen zichtbaar. De GPS-nauwkeurigheid van smartphones volstaat voorlopig niet voor betrouwbare instructies aan kruispunten en afslagen. Ook gesproken feedback moet zorgvuldig worden gedoseerd: te weinig informatie helpt niet, te veel kan vermoeiend worden.
Meer informatie over het project en deelname aan toekomstige tests staat op https://stayontrails.ehb.be.
Een master op mijn 48ste
Voor mij markeerde dit onderzoek ook het einde van een ongewoon studietraject. Op mijn 48ste behaalde ik, na een schakelprogramma aan de VUB van een 3-tal jaren, waarin ik werk, gezin en studie combineerde, mijn masterdiploma in de industriële wetenschappen: elektronica-ICT.
De grootste voldoening zit niet alleen in het diploma. Een onderzoeksvraag uit de opleiding groeide uit tot een gefinancierd project, een werkende applicatie en een praktijktests in een echte bossen met veelbelovende resultaten om voor de bindengemeenschap een zichtbaar verschil te maken.
Niet de milliseconden, maar de bewegingsvrijheid
Stay On Trails is nog geen digitale geleidehond en geen vervanging voor de witte stok. Het is een extra laag die verder vooruitkijkt, het bewandelbare oppervlak herkent en op het juiste moment een eenvoudige richting voorstelt.
De belangrijkste uitkomst is daarom niet het cijfer van 24 of 200 milliseconden. Technologie maakt pas echt verschil wanneer een meting uit het laboratorium verandert in vertrouwen en bewegingsvrijheid buiten.
Bibliografie
[1] .lumen. The .lumen Glasses: Artificial Intelligence that Empowers the Blind. Accessed: 5 October 2025.
2025. url: https://dotlumen.com.
[2] Tommy Azzino et al. “5G Edge Vision: Wearable Assistive Technology for People with Blindness and Low
Vision”. In: arXiv preprint arXiv:2311.13939 (2023). url: https://arxiv.org/abs/2311.13939.
[3] Belgian Institute for Postal Services and Telecommunications (BIPT). 5G roll-out in Belgium: network
mapping and quality. Accessed: 16 September 2025. Mar. 2024. url: https://www.bipt.be/consumers/
publication/5g-roll-out-in-belgium-network-mapping-and-quality.
[4] L´aszlo Bl´azovics, Viktor Kov´acs, and M´arton G´otzy. “Low Latency Video Streaming System for VR
Teleoperation over 5G Networks”. In: 2024 IEEE International Conference on Metrology for eXtended
Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE). 2024, pp. 982–987. doi: 10 .
1109/MetroXRAINE62247.2024.10796131.
[5] Y. Chen, L. Wang, and F. Zhao. “AI Guide Dog: Egocentric Path Prediction on Smartphone”. In: arXiv
preprint arXiv:2501.07957 (2025). arXiv: 2501.07957. url: https://arxiv.org/abs/2501.07957.
[6] Sinuk Choi, Dongyoon Kwon, and Ji-Woong Choi. “Latency Analysis for Real-Time Sensor Sharing Using
4G/5G C-V2X Uu Interfaces”. In: IEEE Access 11 (2023), pp. 35197–35206. doi: 10.1109/ACCESS.2023.
3265474.
[7] Joan Daemen and Vincent Rijmen. The Design of Rijndael: AES - The Advanced Encryption Standard.
Springer, 2002. isbn: 978-3-540-42580-9.
[8] Maarten Dequanter. 5GWebRtc: Evaluation of WebSocket and WebRTC Communication for Real-Time
Segmentation. https://github.com/mdequanter/5GWebRtc. Accessed: 2025-07-05. 2025.
[9] Maarten Dequanter. BlindNav: Haptic Braille Feedback Prototype on Tinkercad. https://www.tinkercad.
com/things/lOEKNeYcI3J-blindnav. Online prototype demonstration. Accessed: 6 Oct. 2025. 2025.
[10] Maarten Dequanter. Stay on Trails: Android Application for Real-Time Trail Navigation. https : / /
github.com/mdequanter/BlindNavApp. Accessed: 2025-12-08. 2025.
[11] I. Fette and A. Melnikov. The WebSocket Protocol. RFC 6455. https://datatracker.ietf.org/doc/
html/rfc6455. Dec. 2011. doi: 10.17487/RFC6455. url: https://datatracker.ietf.org/doc/html/
rfc6455.
[12] Jingao Gao et al. “Edge Assisted Real-time Object Detection for Mobile Augmented Reality”. In: Proceedings
of the 17th Annual International Conference on Mobile Systems, Applications, and Services (MobiCom
’19). New York, NY, USA: Association for Computing Machinery, 2019, pp. 420–433. isbn: 978-1-
4503-6661-4. doi: 10.1145/3300061.3300116.
[13] Xinyu Gao, Yuanwei Liu, and Xidong Mu. “SLARM: Simultaneous localization and radio mapping for
communication-aware connected robot”. In: 2021 IEEE International Conference on Communications
Workshops (ICC Workshops). IEEE. 2021, pp. 1–6.
[14] Tadeh Ghahremanians and Hossein Mahvash Mohammadi. “Efficient Real-Time Pathfinding for Visually
Impaired Individuals”. In: IEEE Access 13 (2025), pp. 71323–71334. doi: 10.1109/ACCESS.2025.3562247.
[15] M. Holdrege and P. Srisuresh. IP in IP Tunneling with Network Address Translation (NAT). RFC 4008.
Mar. 2005. doi: 10.17487/RFC4008. url: https://datatracker.ietf.org/doc/rfc4008/.
[16] I-Cane. I-Cane Mobilo: Smart Cane for the Visually Impaired. Accessed: 5 October 2025. 2025. url:
https://i-cane.nl/home.
[17] Admir Kaknjo et al. “Real-Time Video Latency Measurement between a Robot and Its Remote Control
Station: Causes and Mitigation”. In: Wireless Communications and Mobile Computing 2018.1 (2018),
p. 8638019.
[18] Robert K Katzschmann, Brandon Araki, and Daniela Rus. “Safe local navigation for visually impaired
users with a time-of-flight and haptic feedback device”. In: IEEE Transactions on Neural Systems and
Rehabilitation Engineering 26.3 (2018), pp. 583–593.
[19] Abdullah Khan et al. “Enhancing Smart Outdoor Object Navigation for the Visually Impaired via
YOLOv10 with Neighbor Coordinates and C2FCIB Attention Mechanism”. In: IEEE Access (2025).
