深度学习可实现拐角处的实时成像
研究人员已经利用一种称为深度学习的人工智能的力量来创建一个新的基于激光的系统，该系统可以实时在角落进行成像。随着进一步的发展，该系统可以让自动驾驶汽车在停放的汽车或繁忙的十字路口周围“看”，以查看危险或行人。也可以将其安装在卫星和航天器上，以执行诸如在小行星上的洞穴内捕获图像之类的任务。
斯坦福大学和赖斯大学的研究团队负责人克里斯托弗·梅茨勒说：“与其他方法相比，我们的非视距成像系统可提供独特的高分辨率和成像速度。” “这些属性启用了其他应用程序无法实现的应用程序，例如在行驶时读取隐藏式汽车的车牌或读取在拐角另一侧行走的人佩戴的徽章。”
普林斯顿大学，南方卫理公会大学和莱斯大学的Metzler及其同事在光学学会的高影响力研究期刊Optica中报告说，新系统可以区分1米外的隐藏物体的亚毫米级细节。该系统旨在对非常小的分辨率的小物体进行成像，但可以与其他产生低分辨率房间大小重建图像的成像系统结合使用。
普林斯顿大学的合著者费利克斯·海德说：“非视距成像在医学成像，导航，机器人技术和国防领域具有重要的应用。” “我们的工作迈出了一步，使其能够在各种此类应用中使用。”
用深度学习解决光学问题
新的成像系统使用了市售的相机传感器和功能强大的激光源，但其标准配置与激光指示器类似。激光束从可见的墙壁反射回隐藏的物体，然后再反射回墙壁，从而产生称为斑点图案的干涉图案，该图案编码了隐藏的物体的形状。
从斑点图案重建隐藏的对象需要解决具有挑战性的计算问题。短时曝光对于实时成像是必需的，但会产生太多噪声，无法使现有算法正常工作。为了解决这个问题，研究人员转向了深度学习。
南方卫理公会大学的合著者Prasanna Rangarajan说：“与其他非视距成像方法相比，我们的深度学习算法对噪声的鲁棒性更高，因此可以在更短的曝光时间下运行。” “通过准确地表征噪声，我们能够合成数据，以训练算法来使用深度学习解决重构问题，而不必捕获昂贵的实验训练数据。”
拐角处见
研究人员通过使用距墙壁约1米的成像装置重建隐藏在角落后的1厘米高的字母和数字的图像来测试这项新技术。使用四分之一秒的曝光时间，该方法可产生分辨率为300微米的重建图像。
这项研究是DARPA通过利用主动光场（REVEAL）计划革命性地提高能见度的一部分，该计划正在开发各种不同的技术来对拐角处的隐藏对象进行成像。研究人员现在正在努力通过扩展视场以使该系统能够重构更大的物体，使该系统对更多应用具有实用性。
有所作为：赞助机会
故事来源：
相关多媒体：