Les chercheurs ont exploité la puissance d'un type d'intelligence artificielle connu sous le nom d'apprentissage en profondeur pour créer un nouveau système laser capable d'imager les coins en temps réel. Avec le développement ultérieur, le système peut laisser les voitures autonomes « regarder » autour des voitures garées ou des intersections très fréquentées pour voir les dangers ou les piétons. Il pourrait également être installé sur des satellites et des engins spatiaux pour des tâches telles que la capture d'images à l'intérieur d'une grotte sur un astéroïde.

« Par rapport à d'autres approches, notre système d'imagerie sans visibilité directe offre des résolutions et des vitesses d'imagerie exceptionnellement élevées, ", a déclaré Christopher A. Metzler, chef de l'équipe de recherche de l'Université de Stanford et de l'Université de Rice. "Ces attributs permettent des applications qui ne seraient pas possibles autrement, comme lire la plaque d'immatriculation d'une voiture cachée pendant qu'elle conduit ou lire un badge porté par quelqu'un marchant de l'autre côté d'un coin."

Dans Optique , Le journal de l'Optical Society pour la recherche à fort impact, Metzler et ses collègues de l'Université de Princeton, Université Méthodiste du Sud, et Rice University rapportent que le nouveau système peut distinguer les détails submillimétriques d'un objet caché à 1 mètre de distance. Le système est conçu pour imager de petits objets à des résolutions très élevées, mais peut être combiné avec d'autres systèmes d'imagerie qui produisent des reconstructions à faible résolution de la taille d'une pièce.

« L'imagerie sans visibilité directe a des applications importantes en imagerie médicale, la navigation, robotique et défense, ", a déclaré le co-auteur Felix Heide de l'Université de Princeton. "Notre travail fait un pas en avant pour permettre son utilisation dans une variété de telles applications."

Résoudre un problème d'optique avec le deep learning

Le nouveau système d'imagerie utilise un capteur de caméra disponible dans le commerce et un puissant mais sinon standard, source laser similaire à celle d'un pointeur laser. Le faisceau laser rebondit sur un mur visible sur l'objet caché, puis de nouveau sur le mur, créer un motif d'interférence connu sous le nom de motif moucheté qui code la forme de l'objet caché.

Reconstruire l'objet caché à partir du motif moucheté nécessite de résoudre un problème de calcul difficile. Des temps d'exposition courts sont nécessaires pour l'imagerie en temps réel, mais produisent trop de bruit pour que les algorithmes existants fonctionnent. Pour résoudre ce problème, les chercheurs se sont tournés vers l'apprentissage en profondeur.

"Par rapport à d'autres approches pour l'imagerie sans visibilité directe, notre algorithme d'apprentissage en profondeur est beaucoup plus robuste au bruit et peut donc fonctionner avec des temps d'exposition beaucoup plus courts, " a déclaré le co-auteur Prasanna Rangarajan de la Southern Methodist University. " En caractérisant avec précision le bruit, nous avons pu synthétiser les données pour entraîner l'algorithme à résoudre le problème de reconstruction à l'aide de l'apprentissage en profondeur sans avoir à capturer des données d'entraînement expérimentales coûteuses."

Voir dans les coins

Les chercheurs ont testé la nouvelle technique en reconstruisant des images de lettres et de chiffres de 1 centimètre de haut cachés derrière un coin à l'aide d'une configuration d'imagerie à environ 1 mètre du mur. En utilisant une durée de pose d'un quart de seconde, l'approche a produit des reconstructions avec une résolution de 300 microns.

La recherche fait partie du programme Revolutionary Enhancement of Visibility by Exploiting Active Light-fields (REVEAL) de la DARPA, qui développe une variété de techniques différentes pour imager des objets cachés dans les coins. Les chercheurs travaillent maintenant à rendre le système pratique pour plus d'applications en étendant le champ de vision afin qu'il puisse reconstruire des objets plus grands.