(un), Per ricostruire l'oggetto invisibile, alcune sorgenti luminose vengono utilizzate per illuminare una parete a vista. I fotoni rimbalzati dall'oggetto vengono rilevati in diversi punti della parete visibile. (B), La verità fondamentale e la nostra ricostruzione. La x, I componenti yez vengono visualizzati nei loro valori assoluti. (C), Diagramma di flusso dell'algoritmo. Il quadro di regolarizzazione proposto incorpora la scarsità e l'autosimilarità non locale dell'oggetto nascosto, nonché l'uniformità del segnale. Vengono utilizzati due dizionari ortogonali per catturare le strutture locali e le correlazioni non locali dell'obiettivo nascosto. Il segnale stimato e gli schemi appresi del bersaglio sono mostrati a sinistra. L'albedo ricostruito è mostrato a destra. Credito:Xintong Liu, Jianyu Wang, Zhupeng Li, Zuoqiang Shi, Xing Fu, Lingyun Qiu
L'imaging non in linea di vista (NLOS) mira a recuperare oggetti oscurati da più luce diffusa. Recentemente ha ricevuto ampia attenzione per le sue potenziali applicazioni come la guida autonoma, operazioni di soccorso, e telerilevamento. Nelle applicazioni reali, laser o altre sorgenti luminose vengono utilizzati per illuminare una parete visibile, la luce diffusa da cui raggiunge l'oggetto nascosto e viene nuovamente dispersa. I fotoni raccolti dai rivelatori possono essere utilizzati per recuperare la posizione, forma, albedo, e normale del bersaglio. Però, le misurazioni sono inevitabilmente corrotte dal rumore, che è uno dei maggiori ostacoli per ottenere ricostruzioni di alta qualità. Quando il rumore di misurazione è elevato, i bersagli ricostruiti con i metodi esistenti sono solitamente rumorosi con confini sfocati.
In un nuovo articolo pubblicato su Scienza e applicazione della luce , un team di scienziati, guidato dal professor Xing Fu del Dipartimento di strumenti di precisione, Università di Tsinghua, Cina, e il professor Lingyun Qiu dello Yau Mathematical Sciences Center, Università di Tsinghua, Cina, hanno sviluppato un quadro unificato per ricostruzioni NLOS di alta qualità e resistenti al rumore. La tecnica si basa sulla regolarizzazione collaborativa del segnale e dell'oggetto ricostruito, definito come il metodo di regolarizzazione collaborativa segnale-oggetto (SOCR).
Diverso dai lavori precedenti che utilizzano direttamente le misurazioni grezze come dati di input, un'approssimazione del segnale ideale viene introdotta nel framework SOCR. Il termine di regolarizzazione progettato si concentra sulla scarsità e sull'autosimilarità non locale dell'oggetto nascosto, nonché sulla levigatezza del segnale stimato. Questa struttura di nuova concezione è potente nel ricostruire sia l'albedo che la normale alla superficie dei bersagli nascosti nelle impostazioni generali non confocali. Le ricostruzioni ottenute hanno chiare strutture locali, confini netti, e poco rumore in sottofondo, anche in presenza di forte rumore nelle misurazioni grezze. Il metodo e la tecnica riportati apriranno nuove strade per compiti di riconoscimento e classificazione nella guida autonoma, operazioni di soccorso, e il telerilevamento in futuro.
Questi scienziati riassumono il principio operativo del loro quadro di ricostruzione:
"Progettiamo il termine di regolarizzazione collaborativa sotto tre ipotesi:(1) Il bersaglio ricostruito è sparso nel dominio di ricostruzione; (2) Le strutture locali dell'oggetto nascosto si ripetono molte volte nel dominio di ricostruzione; (3) Il segnale corrispondente al ricostruito l'obiettivo è liscio."
"Il framework proposto può essere utilizzato anche come modulo plug-in in diversi modelli fisici. Inoltre, il termine proposto per la regolarizzazione collaborativa può essere ulteriormente semplificato per accogliere i casi in cui è necessario ricostruire solo l'albedo, " hanno aggiunto.
"Nel termine proposto di regolarizzazione collaborativa, vengono utilizzati due dizionari per catturare le strutture locali e le correlazioni non locali della scena fuori dalla linea di vista diretta. Gli atomi del dizionario e i loro coefficienti corrispondenti possono essere visualizzati come caratteristiche del bersaglio ricostruito, che può essere utilizzato per ulteriori compiti, come il riconoscimento e la classificazione in varie applicazioni, "prevedono gli scienziati.
