En förarlös bil tar sig fram genom en slingrande gata i kvarteret, på väg att göra en skarp sväng in på en väg där en barnboll precis har rullat. Även om ingen person i bilen kan se bollen, bilen stannar för att undvika det. Detta beror på att bilen är utrustad med extremt känslig laserteknik som reflekterar från närliggande föremål för att se runt hörnen.

Det här scenariot är ett av många som forskare vid Stanford University föreställer sig för ett system som kan producera bilder av objekt dolda. De är fokuserade på applikationer för autonoma fordon, av vilka några redan har liknande laserbaserade system för att upptäcka föremål runt bilen, men andra användningsområden kan inkludera att se genom lövverk från flygfordon eller att ge räddningsteam möjligheten att hitta personer som blockeras av väggar och spillror.

"Det låter som magi men idén med icke-line-of-sight imaging är faktiskt genomförbar, sa Gordon Wetzstein, biträdande professor i elektroteknik och senior författare till uppsatsen som beskriver detta arbete, publicerad 5 mars in Natur .

Att se det osedda

Stanford-gruppen är inte ensamma om att utveckla metoder för att studsa lasrar runt hörn för att fånga bilder av objekt. Där denna forskning går framåt ligger området i den extremt effektiva och effektiva algoritm som forskarna utvecklade för att bearbeta den slutliga bilden.

"En stor utmaning i icke-siktlinjesavbildning är att hitta ett effektivt sätt att återställa 3D-strukturen för det dolda föremålet från de bullriga mätningarna, sa David Lindell, doktorand i Stanford Computational Imaging Lab och medförfattare till uppsatsen. "Jag tror att den stora effekten av den här metoden är hur beräkningseffektiv den är."

För deras system, forskarna satte en laser bredvid en mycket känslig fotondetektor, som kan registrera till och med en enda ljuspartikel. De skjuter pulser av laserljus mot en vägg och, osynlig för det mänskliga ögat, dessa pulser studsar av föremål runt hörnet och studsar tillbaka till väggen och till detektorn. För närvarande, denna skanning kan ta från två minuter till en timme, beroende på förhållanden som belysning och det dolda föremålets reflektionsförmåga.

När skanningen är klar, Algoritmen reder ut vägarna för de fångade fotonerna och, som den mytiska bildförbättringstekniken i tv-kriminalprogram, den suddiga klatten tar mycket skarpare form. Den gör allt detta på mindre än en sekund och är så effektiv att den kan köras på en vanlig bärbar dator. Baserat på hur väl algoritmen fungerar för närvarande, forskarna tror att de skulle kunna påskynda det så att det är nästan omedelbart när skanningen är klar.

In i det vilda'

Teamet fortsätter att arbeta med detta system, så att den bättre kan hantera variationen i den verkliga världen och slutföra skanningen snabbare. Till exempel, avståndet till objektet och mängden omgivande ljus kan göra det svårt för deras teknik att se de ljuspartiklar den behöver för att lösa utom synhåll. Denna teknik beror också på att analysera spridda ljuspartiklar som avsiktligt ignoreras av styrsystem som för närvarande finns i bilar - så kallade LIDAR-system.

"Vi tror att beräkningsalgoritmen redan är redo för LIDAR-system, sa Matthew O'Toole, en postdoktor i Stanford Computational Imaging Lab och medförfattare till uppsatsen. "Nyckelfrågan är om den nuvarande hårdvaran i LIDAR-system stöder denna typ av bildbehandling."

Innan detta system är vägklart, den måste också fungera bättre i dagsljus och med föremål i rörelse, som en studsande boll eller springande barn. Forskarna testade sin teknik framgångsrikt utomhus men de arbetade bara med indirekt ljus. Deras teknik presterade särskilt bra när de plockade ut retroreflekterande föremål, som säkerhetskläder eller trafikskyltar. Forskarna säger att om tekniken skulle placeras på en bil idag, den bilen kunde lätt upptäcka saker som vägskyltar, säkerhetsvästar eller vägmarkörer, även om det kan kämpa med en person som bär icke-reflekterande kläder.

"Detta är ett stort steg framåt för vårt område som förhoppningsvis kommer att gynna oss alla, " sade Wetzstein. "I framtiden, vi vill göra det ännu mer praktiskt i "vilda."

Wetzstein är också biträdande professor, av artighet, i datavetenskap och medlem av Stanford Bio-X och Stanford Neurosciences Institute.