跟 AI 玩躲猫猫更难了，他们向苍蝇和蝙蝠学到了最先进的成像技术

来自加州大学洛杉矶分校（UCLA）的两位生物工程师和一名前博士后学者，共同开发了一类新的仿生三维摄像系统，可以模仿苍蝇的多视角视觉和蝙蝠的自然声纳感应，实现深度可扫描盲点的多维成像。

在计算图像处理技术的支持下，该相机可以识别隐藏在角落里或其他遮挡物后面的物体的大小和形状。这项技术的传感能力远超当今前沿技术水平，有望应用于汽车自动驾驶或医疗成像领域，相关研究已经发表在《自然・通讯》上。

▲ 论文截图

在黑暗中，蝙蝠可以通过使用回声定位（声纳）的形式将周围的生动画面可视化。它们不断发出高频叫声，被周围的环境反射后会被耳朵接收到。通过接收回声所需的时间和声音强度的微小差异，蝙蝠可以实时确定行动路径上物体的位置，以及与潜在猎物的距离。

许多昆虫都有几何形状的复眼，其中每只“眼睛”由数百到数万个独立的视觉单位组成，这使得它们能够从多个视角看到同一物体。例如，苍蝇的球状复眼尽管焦距固定，使它们很难看到远处的物体 —— 比如高举的苍蝇拍 —— 但也让它们拥有近 360 度的视野。

▲ 苍蝇的复眼 | Wikimedia Commons, Thomas Shahan / CC BY 2.0（https://creativecommons.org/ licenses / by / 2.0）

受到这两种动物的启发，加州大学洛杉矶分校（UCLA）领导的团队开始设计一种具有先进功能的高性能 3D 摄像系统。研究负责人、UCLA 萨穆埃里工程学院（Samueli School of Engineering）的生物工程副教授高亮表示：“这个想法虽然之前已经尝试过，但主要障碍则一直是长距离和围绕遮挡物的识别。为了解决这个问题，我们开发了一个新的计算成像框架，它首次利用简单的光学设备和一个小的传感器阵列，获得兼具宽度和深度的全景图像。”

这一框架被称为“紧凑光场成像”，或称 CLIP（Compact Light-field Photography），允许相机系统在更大的深度范围或环绕周围观察物体。在实验中，研究人员证明他们的系统可以“看到”传统 3D 相机无法发现的隐藏物体。

▲ 紧凑光场成像（CLIP）原理 | 参考资料 [1]

研究人员还使用了一种“光探测和测距” （Light Detection And Ranging, LiDAR）技术，使用激光扫描周围环境以创建该区域的三维地图。如果没有 CLIP，传统的激光雷达会对场景进行高分辨率的快照，然而会像人类的眼睛一样，忽视隐藏的物体。

研究人员使用七台带有 CLIP 的 LiDAR 相机阵列拍摄一个场景的低分辨率图像，处理各个相机的拍摄结果，然后在高分辨率三维成像中重建综合该场景。结果显示，该相机系统可以对包含多个不同距离物体的复杂三维场景进行成像。

▲ 拓展深度的激光雷达快照 | 参考资料 [1]

“如果你遮住一只眼睛，看向你的笔记本电脑，有一个咖啡杯只是稍微藏在电脑后面，你可能就看不到它，因为笔记本电脑挡住了视线。”同样是加州纳米系统研究所成员的高亮解释说，“但如果你同时用两只眼睛看，你会得到一个更好的物体视图。这有点像这里发生的事情，但现在想象一下用昆虫的复眼看杯子。现在，对物体的多视角观察是有可能实现的。”

根据高亮的说法，CLIP 能够帮助相机阵列以类似的方式对隐藏的物体进行观察。与 LiDAR 相结合，该系统能够实现蝙蝠回声定位的效果，因此人们可以通过光反射到相机所需的时间来发现隐藏的物体。

参考文献

• [1] Feng X, Ma Y, Gao L. Compact light field photography towards versatile three-dimensional vision[J]. Nature Communications, 2022, 13(1): 1-10.

• [2] https://phys.org/news/2022-08-bug-eyes-sonar-bioengineers-animal.html

• 题图来源：Intelligent Optics Laboratory, Liang Gao / UCLA

研究团队

通讯作者 高亮：加州大学洛杉矶分校亨利・萨穆埃里工程学院副教授，主要研究方向为生物医学光学、超快光学成像、计算光学成像等。

论文信息

发布期刊 《自然通讯》Nature Communications

发布时间 2022 年 6 月 9 日

论文标题 Compact light field photography towards versatile three-dimensional vision

(DOI：https://doi.org/10.1038/s41467-022-31087-9）

文章领域 光学成像

本文来自微信公众号：我是科学家 iScientist （ID：IamaScientist），编译：矩阵星 编辑：靳小明  排版：尹宁流

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。