Как заглянуть в закрытую комнату, если ты не супергерой? Исследователи из Стэнфордской лаборатории компьютерной визуализации нашли ответ. Они расширили технику «визуализации вне прямой видимости», благодаря которой единственный лазерный луч, пропущенный в замочную скважину, может показать все объекты внутри.
Визуализация вне прямой видимости (Non-line-of-sight или сокращенно NLOS) – далеко не новая методика. Многие годы она разрабатывалась в исследовательских лабораториях для создания камер, которые могли бы заглядывать за углы и получать изображения объектов, которые не попадают в поле зрения камеры или блокируются препятствиями.
Раньше для этих целей использовались плоские поверхности, например, полы или стены, которые находились в пределах прямой видимости как камеры, так и скрытого объекта. Серия световых импульсов, исходящих от камеры (обычно это лазеры), отражается от этих поверхностей, а затем отскакивает от скрытого объекта и возвращается к датчикам камеры. Время, которое потребовалось отражению, чтобы вернуться, используется алгоритмами для воссоздания изображения скрытого объекта. Обычно это изображение имеет невысокое разрешение, но оно достаточно детальное, чтобы дать исчерпывающее представление об объекте.
Это невероятно умная методика. В будущем она может повысить безопасность беспилотных автомобилей, позволив обнаруживать потенциальные опасности, таящиеся за углом, задолго до того, как их мог бы заметить человек. Однако современные методы NLOS имеют одно важное ограничение: им требуется большая отражающая поверхность для измерения световых отражений, исходящих от скрытого объекта. А уж узнать, что находится внутри закрытой комнаты – такое вообще казалось невозможным. До недавнего времени.
Метод визуализации замочной скважины, разработанный исследователями из Лаборатории вычислительной визуализации Стэнфорда, получил своё название неспроста. Чтобы увидеть содержимое закрытой комнаты, достаточно крошечного отверстия (например, замочной скважины или глазка). Через это отверстие оптическая система посылается лазерный импульс. Фотоны разлетаются по всему пространству помещения и отражаются от препятствий. После серии отражений они возвращаются через отверстие и захватываются датчиком. Результат анализируется нейросетью для получения изображения объектов.
Когда объект в комнате неподвижен, новая технология не может создать его точное изображение. Но движущийся объект позволяет сгенерировать достаточно данных, чтобы алгоритм мог создать изображение того, что он видит. Качество этого изображения получается хуже, чем при использовании предыдущих методов NLOS, но деталей достаточно, чтобы сделать предположение о размере и форме скрытого объекта. Деревянный манекен в конечном итоге выглядит как призрачный ангел, но в сочетании с ИИ, натасканным на распознавание изображений, определить, что именно находится в комнате становится более чем реальным.
Данная методика могла бы помочь полиции и военным оценивать риски проникновения в помещение, а также позволила бы автономным навигационным системам обнаруживать скрытые опасности до того, как они станут реальной угрозой.
