Los investigadores han aprovechado el poder de un tipo de inteligencia artificial conocida como aprendizaje profundo para crear un nuevo sistema basado en láser que puede obtener imágenes de las esquinas en tiempo real. Con un mayor desarrollo, el sistema podría permitir que los automóviles autónomos "miren" a su alrededorautos estacionados o intersecciones concurridas para ver peligros o peatones. También podría instalarse en satélites y naves espaciales para tareas como capturar imágenes dentro de una cueva en un asteroide.
"En comparación con otros enfoques, nuestro sistema de imágenes sin línea de visión proporciona resoluciones y velocidades de imagen excepcionalmente altas", dijo el líder del equipo de investigación Christopher A. Metzler, de la Universidad de Stanford y la Universidad de Rice. "Estos atributos permiten aplicaciones que node lo contrario, sería posible, como leer la matrícula de un automóvil oculto mientras conduce o leer un distintivo usado por alguien que camina al otro lado de una esquina ".
adentro óptica , el diario de The Optical Society para investigaciones de alto impacto, Metzler y colegas de la Universidad de Princeton, la Universidad Metodista del Sur y la Universidad de Rice informan que el nuevo sistema puede distinguir detalles submilimétricos de un objeto oculto a 1 metro de distancia. El sistema está diseñado paracrear imágenes de objetos pequeños a resoluciones muy altas, pero se pueden combinar con otros sistemas de imágenes que producen reconstrucciones del tamaño de una sala de baja resolución.
"Las imágenes sin línea de visión tienen aplicaciones importantes en imágenes médicas, navegación, robótica y defensa", dijo el coautor Felix Heide de la Universidad de Princeton. "Nuestro trabajo da un paso para permitir su uso en una variedad de talesaplicaciones "
Resolver un problema de óptica con aprendizaje profundo
El nuevo sistema de imágenes utiliza un sensor de cámara disponible en el mercado y una fuente láser potente, pero por lo demás estándar, que es similar a la que se encuentra en un puntero láser. El rayo láser rebota de una pared visible sobre el objeto oculto y luego vuelve ala pared, creando un patrón de interferencia conocido como patrón moteado que codifica la forma del objeto oculto.
La reconstrucción del objeto oculto a partir del patrón moteado requiere resolver un problema computacional desafiante. Los tiempos de exposición cortos son necesarios para obtener imágenes en tiempo real pero producen demasiado ruido para que funcionen los algoritmos existentes. Para resolver este problema, los investigadores recurrieron al aprendizaje profundo.
"En comparación con otros enfoques para imágenes sin línea de visión, nuestro algoritmo de aprendizaje profundo es mucho más robusto al ruido y, por lo tanto, puede operar con tiempos de exposición mucho más cortos", dijo la coautora Prasanna Rangarajan de la Southern Methodist University ".Al caracterizar con precisión el ruido, pudimos sintetizar datos para entrenar el algoritmo para resolver el problema de reconstrucción mediante el aprendizaje profundo sin tener que capturar datos costosos de entrenamiento experimental ".
ver alrededor de las esquinas
Los investigadores probaron la nueva técnica mediante la reconstrucción de imágenes de letras y números de 1 centímetro de altura ocultos detrás de una esquina usando una configuración de imágenes a aproximadamente 1 metro de la pared. Usando una longitud de exposición de un cuarto de segundo, el enfoque produjo reconstruccionescon una resolución de 300 micras.
La investigación es parte del programa Revolucionario Mejoramiento de la Visibilidad de DARPA mediante la explotación de los campos de luz activa REVEAL, que está desarrollando una variedad de técnicas diferentes para obtener imágenes de objetos ocultos en las esquinas. Los investigadores ahora están trabajando para que el sistema sea práctico para másaplicaciones extendiendo el campo de visión para que pueda reconstruir objetos más grandes.
Fuente de la historia :
Materiales proporcionado por La sociedad óptica . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :