导读传感器能实时看到障碍物的拐角吗？事实证明，是的。斯坦福大学、莱斯大学、普林斯顿大学和南方卫理公会大学的在《Optica》杂志上发
传感器能实时看到障碍物的拐角吗？事实证明，是的。斯坦福大学、莱斯大学、普林斯顿大学和南方卫理公会大学的研究人员在《Optica》杂志上发表的一项研究一种可以产生高分辨率和高速度的弯曲图像的系统。它可以分辨1米外隐藏物体的亚毫米细节。根据合著者费利克斯海德的说法，它可以用来区分隐藏行驶车辆的车牌和行人佩戴的个人徽章。
海德说：“NLOS成像在医学成像、导航、机器人和国防方面有重要应用。””我们的工作朝着将其用于各种此类应用迈出了一步。”
他们的方法并不是第一个可以在角落显示数字图像的方法。去年，来自英特尔实验室和斯坦福大学的科学家使用了几套扬声器和现成的麦克风来捕捉声学回声的时间，以及受地震成像启发的知情算法来生成隐藏物体的图像。2017年、2018年和2019年，麻省理工学院计算机科学与实验室分别详细介绍了一款通过分析阴影来重构看不见的场景的相机。
然而，这种最新的成像系统使用类似于标准指示器中的商业相机和激光源。光束从可见的墙壁反弹到隐藏的物体，然后反射回墙壁，从而形成一种独特的光散射，称为散斑图案，它可以编码隐藏物体的形状。
为了从散斑图像中重建物体，研究人员使用人工智能算法训练特征噪声的合成数据，从而不需要捕获实验训练样本。合著者Prasanna Rangarajan解释说，它能够以短曝光时间运行以进行实时成像是非常重要的。
“与其他NLOS成像方法相比，我们的深度学习算法更稳健，”Rangarajan说。
研究人员通过试图重建1厘米高的字母和数字的图像来测试他们的技能，这些图像隐藏在离墙1米远的一个角落后面。使用四分之一秒的曝光时间，这种方法可以产生分辨率为300微米(约0.01英寸)的重建图像。
研究人员指出，该系统是由国防高级研究计划局(DARPA)通过使用主动光场(REFLOW)革命性地提高可见度而开发的。该计划旨在促进在角落成像物体的技术发展。他们说，它可以与其他成像系统结合使用，产生低分辨率、房间大小的重建，这可能使未来的无人驾驶汽车能够“观察”停放的车辆或繁忙的十字路口，或者帮助卫星和航天器从小行星的洞穴中捕捉图像。
研究人员将他们未来的工作留给未来，通过扩展他们的视野，使他们能够重建更大的物体，从而使系统更适合更多的应用。
郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。