NaviGlass/NaviGlassServer
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 6 Wiki Activity

Update README: 更新说明文件

Browse Source
This commit is contained in:
Kevin Wong
2025-12-31 16:01:43 +08:00
parent 2b6dd49a59
commit 8d725c2723
1 changed files with 143 additions and 434 deletions
Download Patch File Download Diff File Expand all files Collapse all files

577
README.md
View File

@@ -1,506 +1,215 @@
# AI 智能盲人眼镜系统 🤖👓
# NaviGlass Server 🤖👓
<div align="center">
一个面向视障人士的智能导航与辅助系统，集成了盲道导航、过马路辅助、物品识别、实时语音交互等功能。 本项目仅为交流学习使用，请勿直接给视障人群使用。本项目内仅包含代码，模型地址：https://www.modelscope.cn/models/archifancy/AIGlasses_for_navigation 。下载后存放在/model 文件夹
**面向视障人士的智能导航与辅助系统 - 服务器端**
[功能特性](#功能特性) • [快速开始](#快速开始) • [系统架构](#系统架构) • [使用说明](#使用说明) • [开发文档](#开发文档)
基于 FastAPI + YOLO 分割 + 多模态 AI 的高性能 Python 服务端
[功能特性](#功能特性) • [技术栈](#技术栈) • [快速开始](#快速开始) • [系统架构](#系统架构)
</div>
---
<img width="2481" height="3508" alt="1" src="https://github.com/user-attachments/assets/e8dec4a6-8fa6-4d94-bd66-4e9864b67daf" />
<img width="2480" height="3508" alt="2" src="https://github.com/user-attachments/assets/bc7d1aac-a9e9-4ef8-9d67-224708d0c9fd" />
<img width="2481" height="3508" alt="4" src="https://github.com/user-attachments/assets/6dd19750-57af-4560-a007-9a7059956b53" />
## 📋 目录
## ⚠️ 声明
- [功能特性](#功能特性)
- [系统要求](#系统要求)
- [快速开始](#快速开始)
- [系统架构](#系统架构)
- [使用说明](#使用说明)
- [配置说明](#配置说明)
- [开发文档](#开发文档)
本项目仅供学习交流，请勿直接用于视障人群实际场景。
---
## ✨ 功能特性
### 🚶 盲道导航系统
- **实时盲道检测**：基于 YOLO 分割模型实时识别盲道
- **智能语音引导**：提供精准的方向指引（左转、右转、直行等）
- **障碍物检测与避障**：自动识别前方障碍物并规划避障路线
- **转弯检测**：自动识别急转弯并提前提醒
- **光流稳定**：使用 Lucas-Kanade 光流算法稳定掩码，减少抖动
### 🚶 盲道导航
- YOLO 实时分割 + Lucas-Kanade 光流稳定
- 智能方向引导（左转/右转/直行）
- 障碍物检测 + 自动避障
### 🚦 过马路辅助
- **斑马线识别**：实时检测斑马线位置和方向
- **红绿灯识别**：基于颜色和形状的红绿灯状态检测
- **对齐引导**：引导用户对准斑马线中心
- **安全提醒**：绿灯时语音提示可以通行
- 斑马线检测与对齐引导
- 红绿灯状态识别 (HSV + YOLO)
### 🔍 物品识别与查找
- **智能物品搜索**：语音指令查找物品（如"帮我找一下红牛"）
- **实时目标追踪**：使用 YOLO-E 开放词汇检测 + ByteTrack 追踪
- **手部引导**：结合 MediaPipe 手部检测，引导用户手部靠近物品
- **抓取检测**：检测手部握持动作，确认物品已拿到
- **多模态反馈**：视觉标注 + 语音引导 + 居中提示
### 🔍 物品查找
- YOLO-E 开放词汇检测 + ByteTrack 追踪
- MediaPipe 手部引导
### 🎙️ 实时语音交互
- **语音识别（ASR）**：基于阿里云 DashScope Paraformer 实时语音识别
- **多模态对话**：Qwen-Omni-Turbo 支持图像+文本输入，语音输出
- **智能指令解析**：自动识别导航、查找、对话等不同类型指令
- **上下文感知**：在不同模式下智能过滤无关指令
### 🎙️ 智能语音交互
- 实时语音识别 + 多模态对话 + TTS 语音播报
### 📹 视频与音频处理
- **实时视频流**：WebSocket 推流，支持多客户端同时观看
- **音视频同步录制**：自动保存带时间戳的录像和音频文件
- **IMU 数据融合**：接收 ESP32 的 IMU 数据，支持姿态估计
- **多路音频混音**：支持系统语音、AI 回复、环境音同时播放
---
### 🎨 可视化与交互
- **Web 实时监控**：浏览器端实时查看处理后的视频流
- **IMU 3D 可视化**：Three.js 实时渲染设备姿态
- **状态面板**：显示导航状态、检测信息、FPS 等
- **中文友好**：所有界面和语音使用中文，支持自定义字体
## 🔧 技术栈
### 核心框架
| 组件 | 技术 | 说明 |
|------|------|------|
| 语言 | Python 3.9+ | - |
| Web 框架 | **FastAPI** | 高性能异步 Web 框架 |
| 服务器 | **Uvicorn** | 基于 uvloop 的 ASGI 服务器 |
| 通信 | **WebSocket** | 音视频实时双向传输 |
### AI 交互管道
| 组件 | 技术 | 说明 |
|------|------|------|
| 大语言模型 | **GLM-4.6v-Flash** | 智谱 AI (zai-sdk)，支持多模态视觉 |
| 语音识别 | **SenseVoiceSmall** | FunASR 本地部署，高精度中文 |
| 语音活动检测 | **Silero VAD** | PyTorch 实现，含 300ms 环形缓冲 |
| 语音合成 | **EdgeTTS** | 微软 Edge TTS，免费且自然 |
### 计算机视觉
| 组件 | 技术 | 说明 |
|------|------|------|
| 目标检测/分割 | **Ultralytics YOLO11** | 检测 + 语义分割 |
| 推理加速 | **TensorRT** | FP16 半精度，.engine 格式 |
| 图像编解码 | **PyTurboJPEG** | 比 OpenCV 快 2-3 倍 |
| 手势识别 | **MediaPipe** | 手部检测与追踪 |
### 高性能计算
| 组件 | 技术 | 说明 |
|------|------|------|
| GPU 计算 | **CUDA** | PyTorch + RTX 3090 |
| 数学加速 | **Numba JIT** | NumPy 矩阵运算加速 |
| 并发模型 | **AsyncIO + Threading** | WebSocket 高并发 |
| GPU 调度 | **Semaphore** | 2-4 槽位并行推理 |
---
## 💻 系统要求
### 硬件要求
- **开发/服务器端**：
- CPU: Intel i5 或以上（推荐 i7/i9）
- GPU: NVIDIA GPU（支持 CUDA 11.8+，推荐 RTX 3060 或以上）
- 内存: 8GB RAM（推荐 16GB）
- 存储: 10GB 可用空间
- **客户端设备**（可选）：
- ESP32-CAM 或其他支持 WebSocket 的摄像头
- 麦克风（用于语音输入）
- 扬声器/耳机（用于语音输出）
### 软件要求
- **操作系统**: Windows 10/11, Linux (Ubuntu 20.04+), macOS 10.15+
- **Python**: 3.9 - 3.11
- **CUDA**: 11.8 或更高版本（GPU 加速必需）
- **浏览器**: Chrome 90+, Firefox 88+, Edge 90+（用于 Web 监控）
| 组件 | 最低要求 | 推荐配置 |
|------|---------|---------|
| GPU | RTX 3060 (CUDA 11.8+) | RTX 3090 |
| 内存 | 8GB | 16GB+ |
| Python | 3.9 | 3.10 |
### API 密钥
- **阿里云 DashScope API Key**（必需）：
- 用于语音识别（ASR）和 Qwen-Omni 对话
- 申请地址：https://dashscope.console.aliyun.com/
| 服务 | 环境变量 | 申请地址 |
|------|---------|---------|
| 智谱 AI | `GLM_API_KEY` | https://open.bigmodel.cn/ |
| 阿里云 (可选) | `DASHSCOPE_API_KEY` | https://dashscope.console.aliyun.com/ |
---
## 🚀 快速开始
### 1. 克隆项目
### 1. 安装依赖
```bash
git clone https://github.com/yourusername/aiglass.git
cd aiglass/rebuild1002
```
### 2. 安装依赖
#### 创建虚拟环境（推荐）
```bash
python -m venv venv
# Windows
venv\Scripts\activate
# Linux/macOS
source venv/bin/activate
```
#### 安装 Python 包
```bash
venv\Scripts\activate # Windows
pip install -r requirements.txt
```
#### 安装 CUDA 和 cuDNN（GPU 加速）
请参考 [NVIDIA CUDA Toolkit 安装指南](https://developer.nvidia.com/cuda-downloads)
### 2. 下载模型
### 3. 下载模型文件
将模型放入 `model/` 目录：
将以下模型文件放入 `model/` 目录：
| 模型 | 用途 |
|------|------|
| `yolo-seg.pt` | 盲道分割 |
| `yoloe-11l-seg.pt` | 障碍物/开放词汇检测 |
| `yolo11l-seg-indoor14.pt` | 室内导盲 (14类) |
| `SenseVoiceSmall/` | 语音识别 |
| 模型文件 | 用途 | 大小 | 下载链接 |
|---------|------|------|---------|
| `yolo-seg.pt` | 盲道分割 | ~50MB | [待补充] |
| `yoloe-11l-seg.pt` | 开放词汇检测 | ~80MB | [待补充] |
| `shoppingbest5.pt` | 物品识别 | ~30MB | [待补充] |
| `trafficlight.pt` | 红绿灯检测 | ~20MB | [待补充] |
| `hand_landmarker.task` | 手部检测 | ~15MB | [MediaPipe Models](https://developers.google.com/mediapipe/solutions/vision/hand_landmarker#models) |
> 模型下载: https://www.modelscope.cn/models/archifancy/AIGlasses_for_navigation
### 4. 配置 API 密钥
### 3. 配置环境
创建 `.env` 文件：
编辑 `.env`：
```bash
# .env
DASHSCOPE_API_KEY=your_api_key_here
CUDA_VISIBLE_DEVICES=0
AIGLASS_DEVICE=cuda:0
AIGLASS_YOLO_IMGSZ=480
GLM_API_KEY=your_key
```
或在代码中直接修改（不推荐）：
```python
# app_main.py, line 50
API_KEY = "your_api_key_here"
```
### 5. 启动系统
### 4. 启动
```bash
python app_main.py
```
系统将在 `http://0.0.0.0:8081` 启动，打开浏览器访问即可看到实时监控界面。
访问 http://localhost:8081
### 6. 连接设备（可选）
如果使用 ESP32-CAM，请：
1. 烧录 `compile/compile.ino` 到 ESP32
2. 修改 WiFi 配置，连接到同一网络
3. ESP32 自动连接到 WebSocket 端点
---
## 🏗️ 系统架构
### 整体架构
```
┌─────────────────────────────────────────────────────────────┐
│ 客户端层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ ESP32-CAM │ │ 浏览器 │ │ 移动端 │ │
│ │ (视频/音频) │ │ (监控界面) │ │ (语音控制) │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
└─────────┼──────────────────┼──────────────────┼─────────────┘
│ WebSocket │ HTTP/WS │ WebSocket
┌─────────┼──────────────────┼──────────────────┼─────────────┐
│ │ │ │ │
│ ┌────▼──────────────────▼──────────────────▼────────┐ │
│ │ FastAPI 主服务 (app_main.py) │ │
│ │ - WebSocket 路由管理 │ │
│ │ - 音视频流分发 │ │
│ │ - 状态管理与协调 │ │
│ └────┬────────────────┬────────────────┬─────────────┘ │
│ │ │ │ │
│ ┌──────▼──────┐ ┌──────▼──────┐ ┌──────▼──────┐ │
│ │ ASR 模块 │ │ Omni 对话 │ │ 音频播放 │ │
│ │ (asr_core) │ │(omni_client)│ │(audio_player)│ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │
│ 应用层 │
└───────────────────────────────────────────────────────────────┘
│ │ │
┌─────────▼──────────────────▼──────────────────▼──────────────┐
│ 导航统领层 │
│ ┌─────────────────────────────────────────────────┐ │
│ │ NavigationMaster (navigation_master.py) │ │
│ │ - 状态机：IDLE/CHAT/BLINDPATH_NAV/ │ │
│ │ CROSSING/TRAFFIC_LIGHT/ITEM_SEARCH │ │
│ │ - 模式切换与协调 │ │
│ └───┬─────────────────────┬───────────────────┬───┘ │
│ │ │ │ │
│ ┌────▼────────┐ ┌────────▼────────┐ ┌─────▼──────┐ │
│ │ 盲道导航 │ │ 过马路导航 │ │ 物品查找 │ │
│ │(blindpath) │ │ (crossstreet) │ │(yolomedia) │ │
│ └──────────────┘ └──────────────────┘ └─────────────┘ │
└───────────────────────────────────────────────────────────────┘
│ │ │
┌─────────▼──────────────────▼──────────────────▼──────────────┐
│ 模型推理层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ YOLO 分割 │ │ YOLO-E 检测 │ │ MediaPipe │ │
│ │ (盲道/斑马线) │ │ (开放词汇) │ │ (手部检测) │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ 红绿灯检测 │ │ 光流稳定 │ │
│ │(HSV+YOLO) │ │(Lucas-Kanade)│ │
│ └──────────────┘ └──────────────┘ │
└───────────────────────────────────────────────────────────────┘
│
┌─────────▼─────────────────────────────────────────────────────┐
│ 外部服务层 │
│ ┌──────────────────────────────────────────────┐ │
│ │ 阿里云 DashScope API │ │
│ │ - Paraformer ASR (实时语音识别) │ │
│ │ - Qwen-Omni-Turbo (多模态对话) │ │
│ │ - Qwen-Turbo (标签提取) │ │
│ └──────────────────────────────────────────────┘ │
└───────────────────────────────────────────────────────────────┘
┌────────────────────────────────────────────────┐
│ FastAPI 主服务 │
│ app_main.py (WebSocket/HTTP 路由) │
└────┬───────────────┬───────────────┬───────────┘
│ │ │
┌────▼────┐ ┌─────▼─────┐ ┌─────▼─────┐
│SenseVoice│ │GLM-4.6v │ │ EdgeTTS │
│ 本地ASR │ │ 多模态LLM │ │ 语音合成 │
└─────────┘ └───────────┘ └───────────┘
│ │ │
┌────▼───────────────▼───────────────▼───────────┐
│ NavigationMaster 状态机 │
│ IDLE / CHAT / BLINDPATH / CROSSING / SEARCH │
└────┬───────────────┬───────────────┬───────────┘
│ │ │
┌────▼────┐ ┌─────▼─────┐ ┌─────▼─────┐
│ 盲道导航 │ │ 过马路 │ │ 物品查找 │
│blindpath│ │crossstreet│ │ yolomedia │
└─────────┘ └───────────┘ └───────────┘
│ │ │
┌────▼───────────────▼───────────────▼───────────┐
│ YOLO 模型层 (TensorRT FP16) │
└────────────────────────────────────────────────┘
```
### 核心模块说明
---
## 📁 核心模块
| 模块 | 文件 | 功能 |
|------|------|------|
| **主应用** | `app_main.py` | FastAPI 服务、WebSocket 管理、状态协调 |
| **导航统领** | `navigation_master.py` | 状态机管理、模式切换、语音节流 |
| **盲道导航** | `workflow_blindpath.py` | 盲道检测、避障、转弯引导 |
| **过马路导航** | `workflow_crossstreet.py` | 斑马线检测、红绿灯识别、对齐引导 |
| **物品查找** | `yolomedia.py` | 物品检测、手部引导、抓取确认 |
| **语音识别** | `asr_core.py` | 实时 ASR、VAD、指令解析 |
| **语音合成** | `omni_client.py` | Qwen-Omni 流式语音生成 |
| **音频播放** | `audio_player.py` | 多路混音、TTS 播放、音量控制 |
| **视频录制** | `sync_recorder.py` | 音视频同步录制 |
| **桥接 IO** | `bridge_io.py` | 线程安全的帧缓冲与分发 |
| 主入口 | `app_main.py` | FastAPI + WebSocket |
| 语音识别 | `sensevoice_asr.py` | SenseVoice 本地 ASR |
| 语音合成 | `edge_tts_client.py` | EdgeTTS |
| 多模态 LLM | `glm_client.py` | GLM-4.6v-Flash |
| 状态机 | `navigation_master.py` | 导航模式管理 |
| 盲道导航 | `workflow_blindpath.py` | 盲道检测 + 避障 |
| 过马路 | `workflow_crossstreet.py` | 斑马线 + 红绿灯 |
| 物品查找 | `yolomedia.py` | 开放词汇检测 |
## 📖 使用说明
---
### 语音指令
系统支持以下语音指令（说话时无需唤醒词）：
#### 导航控制
```
"开始导航" / "盲道导航" → 启动盲道导航
"停止导航" / "结束导航" → 停止盲道导航
"开始过马路" / "帮我过马路" → 启动过马路模式
"过马路结束" / "结束过马路" → 停止过马路模式
```
#### 红绿灯检测
```
"检测红绿灯" / "看红绿灯" → 启动红绿灯检测
"停止检测" / "停止红绿灯" → 停止检测
```
#### 物品查找
```
"帮我找一下 [物品名]" → 启动物品搜索
示例：
- "帮我找一下红牛"
- "找一下AD钙奶"
- "帮我找矿泉水"
"找到了" / "拿到了" → 确认找到物品
```
#### 智能对话
```
"帮我看看这是什么" → 拍照识别
"这个东西能吃吗" → 物品咨询
任何其他问题 → AI 对话
```
### 导航状态说明
系统包含以下主要状态（自动切换）：
1. **IDLE** - 空闲状态
- 等待用户指令
- 显示原始视频流
2. **CHAT** - 对话模式
- 与 AI 进行多模态对话
- 暂停导航功能
3. **BLINDPATH_NAV** - 盲道导航
- **ONBOARDING**: 上盲道引导
- ROTATION: 旋转对准盲道
- TRANSLATION: 平移至盲道中心
- **NAVIGATING**: 沿盲道行走
- 实时方向修正
- 障碍物检测
- **MANEUVERING_TURN**: 转弯处理
- **AVOIDING_OBSTACLE**: 避障
4. **CROSSING** - 过马路模式
- **SEEKING_CROSSWALK**: 寻找斑马线
- **WAIT_TRAFFIC_LIGHT**: 等待绿灯
- **CROSSING**: 过马路中
- **SEEKING_NEXT_BLINDPATH**: 寻找对面盲道
5. **ITEM_SEARCH** - 物品查找
- 实时检测目标物品
- 引导手部靠近
- 确认抓取
6. **TRAFFIC_LIGHT_DETECTION** - 红绿灯检测
- 实时检测红绿灯状态
- 语音播报颜色变化
### Web 监控界面
打开浏览器访问 `http://localhost:8081`，可以看到：
- **实时视频流**：显示处理后的视频，包括导航标注
- **状态面板**：当前模式、检测信息、FPS
- **IMU 可视化**：设备姿态 3D 实时渲染
- **语音识别结果**：显示识别的文字和 AI 回复
### WebSocket 端点
## 📡 WebSocket 端点
| 端点 | 用途 | 数据格式 |
|------|------|---------|
| `/ws/camera` | ESP32 相机推流 | Binary (JPEG) |
| `/ws/viewer` | 浏览器订阅视频 | Binary (JPEG) |
| `/ws_audio` | ESP32 音频上传 | Binary (PCM16) |
| `/ws_ui` | UI 状态推送 | JSON |
| `/ws` | IMU 数据接收 | JSON |
| `/stream.wav` | 音频下载流 | Binary (WAV) |
| `/ws/camera` | 摄像头推流 | Binary (JPEG) |
| `/ws/viewer` | 浏览器订阅 | Binary (JPEG) |
| `/ws_audio` | 音频传输 | Binary (PCM16) |
| `/ws_ui` | UI 状态 | JSON |
## ⚙️ 配置说明
---
### 环境变量
## 🎙️ 语音指令
创建 `.env` 文件配置以下参数：
```bash
# 阿里云 API
DASHSCOPE_API_KEY=sk-xxxxx
# 模型路径（可选，使用默认路径可不配置）
BLIND_PATH_MODEL=model/yolo-seg.pt
OBSTACLE_MODEL=model/yoloe-11l-seg.pt
YOLOE_MODEL_PATH=model/yoloe-11l-seg.pt
# 导航参数
AIGLASS_MASK_MIN_AREA=1500 # 最小掩码面积
AIGLASS_MASK_MORPH=3 # 形态学核大小
AIGLASS_MASK_MISS_TTL=6 # 掩码丢失容忍帧数
AIGLASS_PANEL_SCALE=0.65 # 数据面板缩放
# 音频配置
TTS_INTERVAL_SEC=1.0 # 语音播报间隔
ENABLE_TTS=true # 启用语音播报
```
### 修改模型路径
如果模型文件不在默认位置，可以在相应文件中修改：
```python
# workflow_blindpath.py
seg_model_path = "your/custom/path/yolo-seg.pt"
# yolomedia.py
YOLO_MODEL_PATH = "your/custom/path/shoppingbest5.pt"
HAND_TASK_PATH = "your/custom/path/hand_landmarker.task"
```
### 调整性能参数
根据硬件性能调整：
```python
# yolomedia.py
HAND_DOWNSCALE = 0.8 # 手部检测降采样（越小越快，精度降低）
HAND_FPS_DIV = 1 # 手部检测抽帧（2=隔帧，3=每3帧）
# workflow_blindpath.py
FEATURE_PARAMS = dict(
maxCorners=600, # 光流特征点数（越少越快）
qualityLevel=0.001, # 特征点质量
minDistance=5 # 特征点最小间距
)
```
## 🛠️ 开发文档
### 添加新的语音指令
1. 在 `app_main.py` 的 `start_ai_with_text_custom()` 函数中添加：
```python
# 检查新指令
if "新指令关键词" in user_text:
# 执行自定义逻辑
print("[CUSTOM] 新指令被触发")
await ui_broadcast_final("[系统] 新功能已启动")
return
```
2. 如需修改指令过滤规则：
```python
# 修改 allowed_keywords 列表
allowed_keywords = ["帮我看", "帮我找", "你的新关键词"]
```
### 扩展导航功能
1. 在 `workflow_blindpath.py` 添加新状态：
```python
# 在 BlindPathNavigator.__init__() 中初始化
self.your_new_state_var = False
# 在 process_frame() 中处理
def process_frame(self, image):
if self.your_new_state_var:
# 自定义处理逻辑
guidance_text = "新状态引导"
# ...
```
2. 在 `navigation_master.py` 添加状态机状态：
```python
class NavigationMaster:
def start_your_new_mode(self):
self.state = "YOUR_NEW_MODE"
# 初始化逻辑
```
### 集成新模型
1. 创建模型包装类：
```python
# your_model_wrapper.py
class YourModelWrapper:
def __init__(self, model_path):
self.model = load_your_model(model_path)
def detect(self, image):
# 推理逻辑
return results
```
2. 在 `app_main.py` 中加载：
```python
your_model = YourModelWrapper("model/your_model.pt")
```
3. 在相应的工作流中调用：
```python
results = your_model.detect(image)
```
### 调试技巧
1. **启用详细日志**：
```python
# app_main.py 顶部
import logging
logging.basicConfig(level=logging.DEBUG)
```
2. **查看帧率瓶颈**：
```python
# yolomedia.py
PERF_DEBUG = True # 打印处理时间
```
3. **测试单个模块**：
```bash
# 测试盲道导航
python test_cross_street_blindpath.py
# 测试红绿灯检测
python test_traffic_light.py
# 测试录制功能
python test_recorder.py
```
| 类型 | 指令示例 |
|------|---------|
| 导航 | "开始导航"、"停止导航" |
| 过马路 | "帮我过马路" |
| 物品 | "帮我找一下红牛" |
| 对话 | 任意问题 → AI 回答 |
---
## 🔗 相关文档
- [客户端代码](../NaviGlassClient/) - Avaota F1 (V821 RISC-V)
- [开发日志](../Docs/DevLogs/) - Day 1 ~ Day 25
- [技术栈详情](../Docs/服务器技术栈.md)
---
## 📄 许可证
本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件
MIT License