研究人员利用一种被称为深度学习的人工智能的力量，创建了一种新的基于激光的系统，可以实时对角落进行成像。随着进一步的发展，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，以查看危险或行人。它还可以安装在卫星和宇宙飞船上，执行诸如在小行星洞穴内拍摄图像等任务。gydF4y2Ba

研究团队负责人Christopher A. Metzler表示:“与其他方法相比，我们的非视线成像系统提供了独特的高分辨率和成像速度。gydF4y2Ba斯坦福大学gydF4y2Ba和gydF4y2Ba莱斯大学gydF4y2Ba．“这些属性使得原本不可能实现的应用成为可能，比如当一辆隐藏的汽车正在行驶时读取它的车牌，或者读取走在角落另一边的人佩戴的徽章。”gydF4y2Ba

在gydF4y2Ba视神经节gydF4y2BaMetzler和他的同事来自美国光学学会的高影响力研究杂志gydF4y2Ba普林斯顿大学gydF4y2Ba，gydF4y2Ba南卫理公会大学gydF4y2Ba,gydF4y2Ba莱斯大学gydF4y2Ba报道称，新系统可以在1米外分辨出隐藏物体的亚毫米细节。该系统设计用于以非常高的分辨率对小物体进行成像，但可以与其他成像系统结合使用，以产生低分辨率的房间大小的重建。gydF4y2Ba

来自普林斯顿大学的合著者Felix Heide说:“非视距成像在医学成像、导航、机器人和国防方面具有重要应用。”半岛app官网“我们的工作向将其应用于各种此类应用迈出了一步。”gydF4y2Ba

用深度学习解决光学问题gydF4y2Ba

新的成像系统使用了一种市面上可以买到的相机传感器和一个功能强大但标准的激光源，这种激光源类似于激光笔。激光束从可见的墙上反射到隐藏的物体上，然后又反射回墙上，形成一种被称为散斑的干涉图案，它编码了隐藏物体的形状。gydF4y2Ba

从散斑图中重建隐藏物体需要解决一个具有挑战性的计算问题。短曝光时间对于实时成像是必要的，但会产生太多的噪声，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。gydF4y2Ba

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声的抗扰性要强得多，因此可以在更短的曝光时间内运行。”“通过准确地描述噪声，我们能够综合数据来训练算法，使用深度学习解决重建问题，而无需捕获昂贵的实验训练数据。”gydF4y2Ba

看到周围的角落gydF4y2Ba

研究人员利用距离墙壁1米的成像装置，重建隐藏在墙角后的1厘米高的字母和数字的图像，从而测试了这项新技术。使用四分之一秒的曝光长度，这种方法产生了分辨率为300微米的重建。gydF4y2Ba

该研究是DARPA“利用有源光场革命性增强可视性”(REVEAL)项目的一部分，该项目正在开发各种不同的技术来成像角落周围的隐藏物体。研究人员目前正致力于通过扩展视野，使该系统能够重建更大的物体，从而使其在更多的应用中具有实用性。gydF4y2Ba

纸gydF4y2Ba：gydF4y2Ba
C. A. Metzler, F. Heide, P. Rangarajan, M. Madabhushi Balaji, A. Viswanath, A. Veeraraghavan和R. G. Baraniuk，“深度逆相关学:面向实时高分辨率非视线成像”，7(1)63-71(2020)。gydF4y2Ba
DOI:gydF4y2Bahttps://doi.org/10.1364/OPTICA.374026gydF4y2Ba．gydF4y2Ba

关于gydF4y2Ba视神经节gydF4y2Ba

视神经节gydF4y2Ba是一份开放获取的期刊，致力于在光学和光子学的整个光谱上快速传播高影响力的同行评审研究。由光学学会(OSA)每月出版，gydF4y2Ba视神经节gydF4y2Ba为国际社会迅速获得开创性研究提供了一个论坛，无论这些研究是理论研究还是实验研究，是基础研究还是应用研究。gydF4y2Ba视神经节gydF4y2Ba由来自世界各地的60多名副编辑组成的杰出编委会，并由美国西北大学总编辑Prem Kumar监督。更多信息，请访问gydF4y2Ba视神经节gydF4y2Ba．gydF4y2Ba

关于光学学会gydF4y2Ba

光学学会(OSA)成立于1916年，是科学家、工程师、学生和商业领袖的领先专业组织，他们推动发现，塑造现实应用，加速光学科学的成就。通过世界知名的出版物、会议和会员活动，OSA为其广泛的全球光学和光子学专家网络提供高质量的研究、富有灵感的互动和专用资源。更多信息，请访问gydF4y2Baosa.orggydF4y2Ba．gydF4y2Ba