聯(lián)系電話
- 聯(lián)系人:
- 馬女士
- 電話:
- 027-87807123-8019
- 手機:
- 售后:
- 027-87807177-8019
- 傳真:
- 027-87807133
- 地址:
- 湖北省武漢市東湖新技術開發(fā)區(qū)北斗路6號未來智匯城A8棟
- 個性化:
- www.etsc-tech.cn
掃一掃訪問手機商鋪
美國麻省理工學院(MIT)媒體實驗室的研究人員已經開發(fā)了一種新的成像系統(tǒng):使用PF32 SPAD陣列+TDC 單光子計數相機和新的算法,,測量被霧遮擋物體的距離,。在實驗中,,該系統(tǒng)的表現(xiàn)比人類的視覺(因人的視線很難看穿霧氣)更好,,這對于自動駕駛來說是一個巨大的突破。
透過霧成像,,在自動駕駛汽車,、增強駕駛、飛機,、直升機,、無人駕駛飛機和火車等行業(yè)中具有重要應用價值和意義。透過霧成像和被霧遮擋對象反射光信號的分布(高斯)相比,,透過霧成像討論的是從霧反射光信號的時間分布(Gamma),。這有助于區(qū)分從霧反射的背景光信號和從被遮擋物體反射的信號光子?;谶@一觀察,,我們恢復了被密集、動態(tài)和異質霧阻擋的場景的反射率和深度,。對于實際使用情況,,成像系統(tǒng)采用基于LIDAR硬件,占地面積最小的光學反射模式設計,。具體來說,,使用單光子計數相機,對檢測到的單個光子進行時間標記,。讓開發(fā)概率計算框架以在沒有先驗知識的情況下從測量本身估計霧特性,。同時,基于雷達的解決方案具有較差的分辨率(由于長波長),,或者具有低信噪比的時間門控,。
麻省理工學院(MIT)媒體實驗室在使用PF32 SPAD陣列+TDC 單光子計數相機的時間相關數據預測目標形狀
圖(b)中的分類顯示其預測準確度> 70%
通過散射成像的傳統(tǒng)技術解決了反問題,并且受到使用多個校準參數(例如相機視場,,照明位置等)調諧正向模型的需要的限制,。下面重點介紹成像技術,比如在識別并分類隱藏在散射介質后面的物體,,而且不隨模型訓練范圍內校準參數的變化而變化。在使用數據驅動方法,,并利用卷積神經網絡(CNN)來研究校準參數在訓練范圍內變化并且?guī)缀醪蛔兊哪P蜁r,,而不是調整正演模型并直接反演光學散射。而在對校準不敏感的散射條件下,,大大的提高了成像的穩(wěn)定性,。
據悉,CNN通過蒙特卡羅(MC)模型生成的大型合成數據集進行訓練時,,該模型包含主要校準參數的隨機實現(xiàn),,并在使用單光子計數相機進行評估后,,對隱藏在紙張后面的人體模型的姿勢進行了預測,其中在三個姿勢中的30個測試中有23個分類正確(實際測量值準確度為76.6%) ,。而這種方法恰恰為實時非視距(NLOS)成像實際應用鋪平了道路,。
應用場景
• 在充滿挑戰(zhàn)的天氣中進行自主駕駛或輔助駕駛
• 飛機和直升機在濃霧環(huán)境中起飛、著陸和低空飛行
• 列車在惡劣天氣條件下以正常速度行駛
PF32 SPAD陣列+TDC 單光子計數相機是武漢東隆科技有限公司中國區(qū)總代理,,它是一款32*32面陣SPAD探測器,,區(qū)別于一般的SPAD面陣探測器,PF32 SPAD陣列+TDC 單光子計數相機的1024個單光子敏感SPAD像素陣列,,都具有超快的55ps 時間分辨率TDC 電子元件,,從而形成了一個并行的,功能強大,,高度緊湊的系統(tǒng),。這種并行性讓生命科學、量子成像,、激光雷達抑或是單光子成像領域的科研工作者,,更加方便、簡單的獲取和驗證實驗結果,。
參考文獻:
G. Satat et al.,"Object Classification through Scattering Media with Deep Learning on Time Resolved Measurement“
Optics Express Vol. 25, 17466-17479 (2017).