利用时间测量生成图像的新型成像系统

研究人员研究出一种全新的成像方法，利用人工智能将时间转化为三维空间的视觉效果，可以帮助汽车、移动设备和健康监视器发展360度感知能力。

照片和视频通常是通过用数字传感器捕捉光子（光的组成部分）来生成的。例如，数码相机由数百万像素组成，这些像素通过检测光在每个空间点的强度和颜色形成图像。然后，可以通过在被摄体周围放置两个或多个相机从多个角度拍摄，或者使用光子流扫描场景并在三维中重建它来生成三维图像。不管是哪种方式，图像都是通过收集场景的空间信息来构建的。

研究提出了一种全新的制作动画三维图像的方法：捕捉光子的时间信息而不是其空间坐标。

他们的过程是从一个简单、廉价的单点探测器开始的，这种探测器被调整成光子的秒表。与照相机不同的是，探测器测量颜色和强度的空间分布，它只记录由一分为二的激光脉冲产生的光子反弹到任何给定场景中的每个物体并到达传感器所需的时间。物体越远，每个反射光子到达传感器所需的时间就越长。

然后，在复杂的神经网络算法的帮助下，这些图形被转换成三维图像。研究人员训练该算法，向它展示数千张团队在实验室内移动和携带物体的常规照片，以及同时由单点探测器捕捉的时间数据。

最终，该网络已经充分了解了时间数据与照片的对应关系，因此它能够仅从时间数据中创建高度准确的图像。在原理验证实验中，尽管所用的硬件和算法有可能每秒产生数千幅图像，但该小组设法从时间数据中以每秒10帧的速度构建出运动图像。

Turpin博士说：“我们手机里的摄像头使用数百万像素来形成图像。如果我们只考虑空间信息，单点探测器没有空间信息，单像素图像是不可能的。然而，这样的探测器仍然可以提供有价值的时间信息。我们所要做的是找到一种新的方法来将一维数据（一种简单的时间测量）转换成一幅运动图像，它代表任何给定场景中的三维空间。与传统图像制作不同的最重要的方法是，我们的方法能够完全将光与过程分离。尽管本文的大部分内容都讨论了我们如何使用脉冲激光从场景中收集时间数据，但它也展示了我们如何利用雷达波达到同样的目的。我们相信这种方法可以适用于任何能够用短脉冲探测场景并精确测量回波的系统。这实际上只是一个全新的方法的开始，用时间而不是光来观察世界。”

目前，神经网络创建图像的能力仅限于它所训练的从研究人员创建的场景的时间数据中挑选出来的内容。然而，随着进一步的训练，甚至通过使用更先进的算法，它可以学习可视化各种各样的场景，从而扩大其在现实世界中的潜在应用。

Turpin 博士补充道：“收集时间数据的单点探测器体积小、重量轻、价格低廉，这意味着它们可以很容易地添加到现有的系统中，比如自动驾驶车辆中的摄像头，以提高其寻路的准确性和速度。另外，他们还可以在谷歌Pixel4这样的移动设备上增加现有的传感器，后者已经有了一个基于雷达技术的简单手势识别系统。我们未来几代的技术甚至可能被用来监测医院里病人胸部的升降，以提醒工作人员呼吸的变化，或者跟踪他们的动作，以符合数据的方式确保他们的安全。我们对我们开发的系统的潜力感到非常兴奋，我们期待着继续探索它的潜力。我们的下一步是开发一个独立的、便携式的机箱式系统，我们很希望能够通过商业合作伙伴的投入来研究进一步发展我们的研究。”

原文链接：https://phys.org/news/2020-07-imaging-pictures.html