中國AGV網（www.xmydyc.com）援引外媒消息，研究人員已經利用一種稱為深度學習的人工智能的力量來創建一個新的基于激光的系統，該系統可以實時在拐角處成像。隨著進一步的發展，該系統可以讓自動駕駛汽車在停放的汽車或繁忙的十字路口周圍“看”，以查看危險或行人。它也可以安裝在衛星和航天器上，以完成諸如在小行星上的洞穴內捕獲圖像等任務。

斯坦福大學和萊斯大學的研究小組負責人克里斯托弗·梅茨勒說：“與其他方法相比，我們的非視距成像系統可提供獨特的高分辨率和成像速度。這些屬性啟用了其他應用程序無法實現的應用程序，例如在行駛時讀取隱藏式汽車的車牌或讀取在拐角另一側行走的人佩戴的徽章。”

普林斯頓大學、南方衛理公會大學和萊斯大學的 Metzler及其同事在光學學會的高影響力研究期刊Optica中報告說，新系統可以區分1米外的隱藏物體的亞毫米級細節。該系統旨在對非常小的分辨率的小物體進行成像，但可以與其他產生低分辨率房間大小重建圖像的成像系統結合使用。

普林斯頓大學的合著者費利克斯·海德說：“非視距成像在醫學成像、導航、機器人技術和國防領域具有重要的應用。我們的工作朝著使其在各種此類應用中使用邁出了一步。”

新的成像系統使用了市售的相機傳感器和功能強大的標準激光源，與激光指示器中的激光源相似。激光束從可見的墻壁反彈到隱藏的物體上，然后返回到墻壁上，從而產生稱為散斑圖案的干涉圖案，該圖案編碼了隱藏物體的形狀。從斑點圖案重建隱藏的對象需要解決具有挑戰性的計算問題。短時曝光對于實時成像是必需的，但會產生太多噪聲，無法使現有算法正常工作。為了解決這個問題，研究人員轉向了深度學習。

“與其他非視距成像方法相比，我們的深度學習算法對噪聲的魯棒性更高，因此可以以更短的曝光時間運行，”來自南方衛理公會大學的合著者Prasanna Rangarajan說。“通過準確地表征噪聲，我們能夠合成數據，以訓練算法來使用深度學習解決重構問題，而不必捕獲昂貴的實驗訓練數據。”

研究人員通過使用距墻壁約1米的成像裝置重建隱藏在角落后的1厘米高的字母和數字的圖像，對新技術進行了測試。使用四分之一秒的曝光時間，該方法可產生分辨率為300微米的重建圖像。這項研究是DARPA通過利用主動光場（REVEAL）計劃革命性地提高能見度的一部分，該計劃正在開發各種不同的技術來對拐角處的隱藏對象進行成像。研究人員現在正在努力通過擴展視場以使其能夠重構更大的物體，使該系統對更多應用具有實用性。