p Os pesquisadores aproveitaram o poder de um tipo de inteligência artificial conhecido como aprendizado profundo para criar um novo sistema baseado em laser que pode criar imagens em torno dos cantos em tempo real. Com mais desenvolvimento, o sistema pode permitir que carros autônomos "olhem" ao redor de carros estacionados ou cruzamentos movimentados para ver perigos ou pedestres. Ele também pode ser instalado em satélites e espaçonaves para tarefas como a captura de imagens dentro de uma caverna em um asteróide. p "Em comparação com outras abordagens, nosso sistema de imagem sem linha de visão fornece resoluções e velocidades de imagem excepcionalmente altas, "disse o líder da equipe de pesquisa Christopher A. Metzler da Stanford University e da Rice University." Esses atributos permitem aplicações que de outra forma não seriam possíveis, como ler a placa de um carro escondido enquanto ele está dirigindo ou ler um distintivo usado por alguém andando do outro lado de uma esquina. "

p No Optica , O jornal da Optical Society para pesquisas de alto impacto, Metzler e colegas da Universidade de Princeton, Southern Methodist University, e a Rice University relatam que o novo sistema pode distinguir detalhes submilimétricos de um objeto oculto a 1 metro de distância. O sistema foi projetado para criar imagens de pequenos objetos em resoluções muito altas, mas pode ser combinado com outros sistemas de imagem que produzem reconstruções do tamanho de uma sala de baixa resolução.

p "A imagem fora da linha de visão tem aplicações importantes em imagens médicas, navegação, robótica e defesa, "disse o co-autor Felix Heide, da Universidade de Princeton." Nosso trabalho dá um passo para possibilitar seu uso em uma variedade de tais aplicações. "

p Resolvendo um problema de óptica com aprendizado profundo

p O novo sistema de imagem usa um sensor de câmera disponível comercialmente e um poderoso, mas de outra forma padrão, fonte de laser semelhante à encontrada em um apontador laser. O feixe de laser ricocheteia em uma parede visível para o objeto escondido e depois volta para a parede, criando um padrão de interferência conhecido como padrão pontilhado que codifica a forma do objeto oculto.

p Reconstruir o objeto oculto do padrão manchado requer a resolução de um problema computacional desafiador. Tempos de exposição curtos são necessários para imagens em tempo real, mas produzem muito ruído para que os algoritmos existentes funcionem. Para resolver este problema, os pesquisadores se voltaram para o aprendizado profundo.

p "Em comparação com outras abordagens para imagens fora da linha de visão, nosso algoritmo de aprendizado profundo é muito mais robusto ao ruído e, portanto, pode operar com tempos de exposição muito mais curtos, "disse a co-autora Prasanna Rangarajan da Southern Methodist University." Ao caracterizar com precisão o ruído, fomos capazes de sintetizar dados para treinar o algoritmo para resolver o problema de reconstrução usando aprendizado profundo, sem ter que capturar dados de treinamento experimental dispendiosos. "

p Vendo além dos cantos

p Os pesquisadores testaram a nova técnica reconstruindo imagens de letras e números de 1 centímetro de altura escondidos atrás de um canto usando uma configuração de imagem a cerca de 1 metro da parede. Usando um comprimento de exposição de um quarto de segundo, a abordagem produziu reconstruções com resolução de 300 mícrons.

p A pesquisa faz parte do programa Revolucionário de Melhoria de Visibilidade pela Exploração de Campos de Luz Ativos (REVEAL) da DARPA, que está desenvolvendo uma variedade de técnicas diferentes para criar imagens de objetos ocultos nos cantos. Os pesquisadores agora estão trabalhando para tornar o sistema prático para mais aplicações, estendendo o campo de visão para que ele possa reconstruir objetos maiores.