"Bu özellikler, sürüş sırasında gizli görüş alanı olmayan plakaları okumak veya köşenin diğer tarafındaki yayalara takılan çalışma kartlarını okumak gibi normalde çalıştırılması imkansız olan bazı uygulamaları destekleyebilir." Stanford Üniversitesi'nin ilk makalesi Doktora sonrası araştırmacı Christopher Metzler, dedi.
Şekil | Bu sistem bir gün sürücüsüz arabaların daha keskin bir görüşe sahip olmasını sağlayabilir, yalnızca araçları görmekle kalmaz, aynı zamanda plakaları da okuyabilir (Kaynak: Felix Heide, Princeton Üniversitesi)
Son zamanlarda, Stanford Üniversitesi ve Princeton Üniversitesi de dahil olmak üzere dört üniversiteden bir araştırma ekibi, yeni bir lazer tabanlı sistem geliştirmek için derin öğrenme algoritmalarını kullandığını söyleyerek Optica'da bir araştırma sonucu yayınladı. Sıradan bir kamera ve güçlü bir standart lazer kaynağı ile sistem, gizli nesnelerin hızlı ve yüksek çözünürlüklü görüntülemesini gerçekleştirebilir.
Derin öğrenme algoritmaları sayesinde, piyasada satılan sıradan cihazların kullanılması, otonom sürüş gibi alanlar üzerinde büyük bir etkiye sahip olacak karmaşık optik sorunları çözebilir. Asteroitlerdeki mağaraların görüntülerini yakalamak için uydulara ve uzay aracına kurulabileceğine dair raporlar var.
Şekil | Deneysel ayarlar. Işık lazerden sanal ışık kaynağına, gizli nesneye, sanal detektöre ve son olarak kameraya (kaynak: kağıt) gider
Makalenin yazarları, derin ters korelografiye dayalı algoritmanın gürültüye karşı çok dayanıklı olduğunu ve mevcut NLoS'yi (non-line-of-) çok aştığını doğruladıklarını belirtti. görüş, görüş hattı olmayan) sistem yetenekleri.
Metzler, bu cihazın başlangıçta son derece yüksek çözünürlüklü küçük nesneleri görüntülemek için tasarlandığını, ancak düşük çözünürlüklü, oda boyutunda yeniden yapılandırılmış görüntüler üretmek için diğer görüntüleme sistemleriyle de birleştirilebileceğini söyledi.
Deneyde araştırmacılar, duvarın köşesinin arkasına gizlenmiş 1 cm yüksekliğindeki harf ve rakamların görüntüsünü yeniden oluşturmak için duvardan yaklaşık 1 metre uzakta bir görüntüleme cihazı kullandılar. Çeyrek saniyelik pozlama süresinde, yeni teknoloji 300 mikron çözünürlüğe sahip yeniden yapılandırılmış bir görüntü elde edebiliyor.
Şekil | Farklı maruz kalma sürelerine sahip simülasyon ve yeniden yapılandırma deneyleri. Bu yöntem gürültüye karşı HIO veya Alt-Min gibi geleneksel PR algoritmalarına dayanan sistemlerle karşılaştırıldığında daha sağlam olduğundan, Evrişimli Sinir Ağlarına (CNN) dayalı yöntemler daha az ışıkta çalışabilir. Çalıştırın ve daha yüksek bir kare hızı elde edin. (Kaynak: Kağıt)
Daha önce, MIT bilgisayar görüşü bilimcisi Ramesh Raskar (Ramesh Raskar), yüksek çözünürlüklü köşe sahneleri elde etmek için pahalı profesyonel kamera-lazer sistemleri kullanan "aktif görüntüleme" yöntemini benimsedi. Görüntüleme için, üç boyutlu görüntünün ayrıntılarının tersine yeniden yapılandırılmasını gerçekleştirmek için duvardan yansıyan fotonları tespit etmek için bir nano ultra yüksek hızlı kamera kullanılır.
Ancak, profesyonel bir kamera kullanımına ek olarak, bu yöntemin üç boyutlu bir görüntü oluşturmak için tüm duvarı bir lazerle taraması gerektiği ve tüm görüntüleme işleminin 500.000 ABD dolarına mal olduğu unutulmamalıdır. Mart 2018'e kadar, bu yaklaşımın bazı maliyetleri düşürmesini sağlayan yeni algoritmalar ve nispeten ekonomik SPAD kameraları ortaya çıktı.
Ortak yazar Richard Baraniuk, "2012'den bu yana, uçuş zamanı görüntülemedeki ana gelişme, başlangıçta milyonlarca dolara mal olan bir sistemin şu anda yalnızca binlerce dolara mal olduğu gerçeğine yansımıştır." Dedi.
Şekil | Aktif görüş hattı olmayan görüntülemede, lazer duvarda gizli bir nesneye yansıtılır ve daha fazla dağılır ve ardından orijinal konumuna geri dönmek için duvardan tekrar yansıtılır (Kaynak: Stanford Computation Imaging Lab)
Uçuş zamanı görüntüleme teknolojisinin prensibi, yüksek hızlı lazerden gelen ışığın duvardan gizli alandaki nesneye yansıtılması ve ışığın bir kısmının tekrar duvara ve ardından tekrar kameraya yansıtılmasıdır.Geri dönen fotonun uçuş süresi ölçülerek, kaba görüntüleme için uçuş mesafesi değerlendirilebilir. .
Derin ters korelografi, benek deseni olarak adlandırılan duvardaki girişim desenini bulmaktır. Benek görüntüsü, gizli nesnenin şekil bilgisini içerir, ancak tüm modelin yeniden oluşturulması, çok zorlu bir algoritma problemi gerektirir. Kısa süreli maruz kalma, gerçek zamanlı görüntüleme sağlayabilir, ancak mevcut algoritmalara ciddi şekilde müdahale edecek çok fazla gürültü vardır. Bu nedenle ekip, derin öğrenme algoritmalarını kullanmayı düşündü.
Diğer NLoS görüntüleme yöntemleriyle karşılaştırıldığında, derin öğrenme algoritmaları, pahalı deneysel eğitim verilerine ihtiyaç duymadan gürültüyü doğru bir şekilde tanımlayarak ve veri eğitim algoritmalarını sentezleyerek yeniden yapılandırma sorununu çözebilir.
Şekil | Deneyde, araştırmacılar duvarın köşesinin arkasına gizlenmiş 1 cm yüksekliğindeki harf ve sayıların görüntüsünü yeniden oluşturmak için duvardan yaklaşık 1 metre uzakta bir görüntüleme cihazı kullandılar. Çeyrek saniyelik bir pozlama süresi kullanarak, yeni teknoloji 300 mikron çözünürlüğe sahip yeniden yapılandırılmış bir görüntü elde edebilir (Kaynak: Rice Üniversitesi)
Ortak yazar Ashok Veeraraghavan, Bu nedenle tartıştığımız şey, uçuş zamanı görüntüleme teknolojisinden çok daha küçük bir görüş alanı. Bu görüş alanı metre yerine birkaç inç'e yakın. Ancak bu sınırlı alanda daha doğru sonuçlar elde edebiliriz. Uzamsal çözünürlüğün 100 katı. "
Daha sonra araştırmacılar, uçuş zamanı görüntüleme teknolojisini derin ters korelografi ile birleştirmeyi planlıyor. "Uçuş süresi teknolojisi sayesinde, bir kişinin nerede olduğunu gösteren kaba bir görüntü elde edebilirsiniz. Rozetini veya yüzünü bulduğunuzda, ultra yüksek çözünürlüklü kısmi bir görüntü elde etmek için bu teknolojiyi kullanabilirsiniz.
Bu teknoloji, DARPA (İleri Savunma Araştırma Projeleri Ajansı, Savunma İleri Araştırma Projeleri Ajansı) "REVEAL programı" nın bir parçasıdır. Proje 27 milyon ABD dolarına mal oldu ve aktif ışık alanlarının geliştirilmesi yoluyla görünürlüğü kökten değiştirmeyi hedefliyor. Bu proje, Amerika Birleşik Devletleri'nde yeni kurulan birçok laboratuvara finansman sağlamaktadır.