I ricercatori hanno sfruttato la potenza di un tipo di intelligenza artificiale nota come deep learning per creare un nuovo sistema basato su laser in grado di visualizzare gli angoli in tempo reale. Con ulteriore sviluppo, il sistema potrebbe consentire alle auto a guida autonoma di "guardare" intorno alle auto parcheggiate o agli incroci trafficati per vedere pericoli o pedoni. Potrebbe anche essere installato su satelliti e veicoli spaziali per compiti come catturare immagini all'interno di una grotta su un asteroide.

"Rispetto ad altri approcci, il nostro sistema di imaging non a vista offre risoluzioni e velocità di imaging uniche, " ha affermato il leader del gruppo di ricerca Christopher A. Metzler della Stanford University e della Rice University. "Questi attributi consentono applicazioni che altrimenti non sarebbero possibili, come leggere la targa di un'auto nascosta mentre sta guidando o leggere un badge indossato da qualcuno che cammina dall'altra parte di un angolo".

In ottica , La rivista della Optical Society per la ricerca ad alto impatto, Metzler e colleghi della Princeton University, Università metodista meridionale, e la Rice University riferiscono che il nuovo sistema è in grado di distinguere i dettagli submillimetrici di un oggetto nascosto a 1 metro di distanza. Il sistema è progettato per l'immagine di piccoli oggetti a risoluzioni molto elevate, ma può essere combinato con altri sistemi di imaging che producono ricostruzioni a bassa risoluzione delle dimensioni di una stanza.

"L'imaging non a vista ha importanti applicazioni nell'imaging medico, navigazione, robotica e difesa, " ha affermato il co-autore Felix Heide dell'Università di Princeton. "Il nostro lavoro fa un passo verso la possibilità di utilizzarlo in una varietà di tali applicazioni".

Risolvere un problema di ottica con il deep learning

Il nuovo sistema di imaging utilizza un sensore della fotocamera disponibile in commercio e un potente, ma altrimenti standard, sorgente laser simile a quella che si trova in un puntatore laser. Il raggio laser rimbalza su un muro visibile sull'oggetto nascosto e poi di nuovo sul muro, creando uno schema di interferenza noto come motivo a puntini che codifica la forma dell'oggetto nascosto.

Ricostruire l'oggetto nascosto dal modello speckle richiede la risoluzione di un problema computazionale impegnativo. Tempi di esposizione brevi sono necessari per l'imaging in tempo reale, ma producono troppo rumore per consentire il funzionamento degli algoritmi esistenti. Risolvere questo problema, i ricercatori si sono rivolti al deep learning.

"Rispetto ad altri approcci per l'imaging non a vista, il nostro algoritmo di deep learning è molto più robusto rispetto al rumore e quindi può funzionare con tempi di esposizione molto più brevi, ", ha affermato la co-autrice Prasanna Rangarajan della Southern Methodist University. "Caratterizzando accuratamente il rumore, siamo stati in grado di sintetizzare i dati per addestrare l'algoritmo a risolvere il problema della ricostruzione utilizzando il deep learning senza dover acquisire costosi dati di addestramento sperimentale".

Vedere dietro gli angoli

I ricercatori hanno testato la nuova tecnica ricostruendo immagini di lettere e numeri alti 1 centimetro nascosti dietro un angolo utilizzando una configurazione di imaging a circa 1 metro dal muro. Utilizzando una durata di esposizione di un quarto di secondo, l'approccio ha prodotto ricostruzioni con una risoluzione di 300 micron.

La ricerca fa parte del programma REVEAL (Revolutionary Enhancement of Visibility by Exploiting Active Light-fields) della DARPA, che sta sviluppando una varietà di tecniche diverse per l'immagine di oggetti nascosti dietro gli angoli. I ricercatori stanno ora lavorando per rendere il sistema pratico per più applicazioni estendendo il campo visivo in modo che possa ricostruire oggetti più grandi.