研究人员利用深度学习技术创建了一种新的基于激光的系统，该系统可以在角落周围实时成像。有一天，该系统可能会让自动驾驶汽车“查看”停着的汽车或繁忙的十字路口，不仅能看到汽车，还能读取车牌。来源:菲利克斯·海德，普林斯顿大学

 

对隐藏物体的详细、快速成像可以帮助自动驾驶汽车检测危险。天富登录网址

 

研究人员利用一种名为深度学习(deep learning)的人工智能的力量，创建了一种新的基于激光的系统，该系统可以在角落里实时成像。随着进一步的发展，该系统可能会让自动驾驶汽车“看”停着的汽车或繁忙的十字路口，以看到危险或行人。它还可以安装在卫星和航天器上，用于在小行星的洞穴中拍摄图像等任务。

 

“与其他方法相比，我们的非视线成像系统提供独特的高分辨率和成像速度，”来自斯坦福大学和莱斯大学的研究小组组长Christopher A. Metzler说。“这些属性使原本无法实现的应用程序得以实现，比如在一辆隐藏的汽车行驶时读取其牌照，或者读取走在街角另一边的人佩戴的徽章。”

 

梅茨勒和他来自普林斯顿大学、南卫理公会大学以及莱斯大学的同事们在光学学会的高影响研究杂志《Optica》上报告说，新系统可以区分1米外隐藏物体的亚毫米细节。该系统被设计成以非常高的分辨率成像小物体，但可以与其他成像系统结合，产生低分辨率的房间大小的重建。

 

“非视线成像在医学成像、导航、机器人和防御方面有重要的应用，”来自普林斯顿大学的合著者Felix Heide说。“我们的工作朝着使其能够用于各种此类应用迈出了一步。”

 

用深度学习解决光学问题

 

新的成像系统使用了一个商用相机传感器和一个强大的，但在其他方面标准的，类似于激光笔的激光光源。激光束从可见的墙壁反射到隐藏的物体上，然后反射回墙壁上，产生一种被称为散斑图案的干涉图案，它对隐藏的物体的形状进行编码。

 

从散斑图重建隐藏对象需要解决一个具有挑战性的计算问题。短曝光时间是必要的实时成像，但产生太多的噪声，现有算法无法工作。为了解决这个问题，研究人员转向了深度学习。

 

来自南卫理公会大学的合著者Prasanna Rangarajan说:“与其他非视线成像方法相比，我们的深度学习算法对噪音的鲁棒性更强，因此曝光时间更短。”“通过准确地描述噪声，我们能够综合数据来训练算法，从而解决深度学习的重建问题，而不必捕获昂贵的实验训练数据。”天富登录网址

 

看到周围的角落

 

研究人员利用离墙1米远的成像装置，重建隐藏在角落里1厘米高的字母和数字的图像，以此来测试这项新技术。利用四分之一秒的曝光时间，这种方法可以产生分辨率为300微米的重建图像。