Forskere ved Stanford Lab har perfektioneret en ikke-line-of-sight billeddannelsesteknik.
Grundlaget for metoden er teknologi, som allerede harhar været brugt i årevis til at skabe kameraer, der kan se rundt om hjørner og generere billeder af objekter, der ikke er i kameraets synsfelt eller er blokeret af forhindringer. Tidligere brugte denne teknik flade overflader, såsom gulv eller vægge, der var i synslinjen for både kameraet og det obstruerende objekt.
En række lysimpulser, der kommer fra kameraet,sædvanligvis fra lasere, reflekterer fra disse overflader, så hopper det af et skjult objekt og vender derefter tilbage til kameraets sensorer. Algoritmerne bruger derefter oplysninger om, hvor lang tid det tog for refleksionen at skabe et billede af, hvad kameraet ikke kan se. Resultaterne er normalt af dårlig kvalitet, men selv dette er nok til at identificere objektet.
Nøglehulls billeddannelsesmetodeså navngivet, fordi det giver dig mulighed for at se genstande inde i et lukket rum gennem en lille åbning (f.eks. et nøglehul eller kighul). En laserstråle kommer ind i rummet gennem det og skaber et enkelt lyspunkt på væggen inde i rummet. Derefter hopper lyset af væggen, fra objektet i rummet, fra væggen igen. Utallige fotoner reflekteres tilbage i kameraet, som bruger en enkelt-foton lavinefotodetektor til at måle deres returtid.
Når en genstand gemt i et rum er ubevægelig,den nye nøglehulsbilledteknik kan simpelthen ikke finde ud af, hvad den ser. Men forskerne fandt ud af, at et bevægende objekt parret med lysimpulser fra en laser genererede nok nyttige data over en lang eksponeringstid til, at algoritmen kunne skabe et billede af det.
Forskere har forbedret kvaliteten af anerkendelse medved hjælp af AI. Det kan endda opdage vage billeder af en person eller et skab ved at tilføje et billede fra en billeddatabase, der allerede har lignende modeller.
At læse Yderligere:
Ny iOS 15: udgivelsesdato, iPhone-design og funktioner. Vi fortæller alt, hvad der er kendt
Et ultratyndt materiale blev fremstillet af hvidt grafen. Det vil erstatte servere
Se en tung angrebsdrone, der bærer masser af våben