人工智能通过一个简单的ToF传感器创建3D图像
窗口。dataLayer =窗口。dataLayer | | [];
函数gtag () {dataLayer.push(论点);}
gtag (js,新的日期());gtag(“配置”、“ua - 160857065 - 1”);
在亚马逊的支持下，欧洲研究人员开发了一种技术，可以使用简单的飞行时间(ToF)生成移动的3D图像，而无需使用空间daya。
ToF传感器测量光子到达的时间，而不是捕捉光子落在图像传感器阵列上的位置。这些技术已经很成熟了，比如手机中使用的低成本传感器。但它们只提供测量距离的一维数据。3D ToF传感器使用像素数组来组合特殊和时间数据，如来自的最新数组Teledyne e2V：3d视觉高分辨率传感器
在《光学》杂志上发表的一篇论文中，格拉斯哥大学、代尔夫特理工大学和米兰理工大学的研究人员在电商巨头亚马逊的支持下，使用了一个ToF SPAD(单光子雪崩探测器)传感器，从照亮场景的脉冲激光接收数据。这就创建了一个所有接收到的光子在场景中反弹物体的时间图。
诀窍在于用同一场景的图表和常规照片训练神经网络。经过数千个训练集后，人工智能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创建高度精确的图像。这将把处理从数字信号分析转移到芯片上的AI加速器。这也可以驱动芯片上的人工智能学习神经网络在这里得到了改进。
在原理验证实验中，该团队成功地从时间数据构建了大约每秒10帧的移动图像，尽管使用的硬件和算法有可能每秒生成数千张图像。
优点是该技术可以用于任何类型的光子，包括雷达。这为无人驾驶汽车和送货无人机提供了低成本传感器。正在研发送货无人机的亚马逊(Amazon)是这项研究的资助方之一。
下一个:带有ToF的AI
“如果我们只考虑空间信息，单像素图像是不可能产生的，因为单点探测器没有。然而，这样的检测器仍然可以提供有关时间的有价值的信息。格拉斯哥大学计算科学学院数据科学研究员亚历克斯·特平博士说:“我们成功地找到了一种新方法，将一维数据——一种简单的时间测量——转化为动态图像，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，我们的方法能够从整个过程中分离光。尽管这篇论文的大部分内容都在讨论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使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探测短脉冲场景并精确测量返回‘回声’的系统。这真的只是一个全新的开始，用时间而不是光来可视化世界。”
目前，神经网络创建图像的能力受限于它从研究人员创建的场景的时间数据中挑选出来的东西。然而，通过进一步的训练，甚至使用更先进的算法，它可以可视化各种各样的场景，扩大了它在现实环境中的潜在应用。
特平说:“收集时间数据的单点探测器体积小、重量轻、价格便宜，这意味着它们可以很容易地添加到现有系统中，比如自动驾驶汽车上的摄像头，以提高寻路的准确性和速度。”
或者，他们可以增强移动设备中现有的传感器，比如谷歌Pixel 4，它已经有一个基于雷达技术的简单手势识别系统。我们技术的未来一代甚至可能被用于监测医院里病人胸部的起伏，以提醒工作人员他们呼吸的变化，或跟踪他们的动作，以数据兼容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自给自足、便携的盒装系统，我们非常希望开始研究各种方案，在商业合作伙伴的投入下进一步推进我们的研究。”
“从时间数据中提取空间图像”发表在《光学》杂志上。这项研究得到了英国皇家工程院、亚历山大·冯·洪堡基金会、工程与物理科学研究委员会(ESPRC)和亚马逊的资助。
