真透视眼!西北大学开发新全息成像设备,用算法重构散射光,未来可透过皮肤看血管
大数据文摘出品
你小时候有没有玩过用手电筒照自己的手?
理论上来说,光足够强的话,我们可以在手背看到透过手掌的光,就像这样;
但是你有没有想过,我们的手掌是有骨头的,光被骨头挡住,应该会跟拍X光一样,显示出一个轮廓清晰的阴影,为什么没有呢?
西北大学麦考密克工程学院电子和计算机工程研究助理教授Willomitzer解释说,这是因为“经过骨骼的光线在组织内向各个方向散射,完全模糊了阴影图像。”
反过来说,如果能够“捕获”这些散射的光,那么是否就可以根据这些光场重建物体的三维形状?
事实上,这正是Willomitzer和他同事的研究方向。11月17日他们在《自然通讯》杂志上发表的一篇研究显示,他们提出了一种叫做合成波长全息术(synthetic wavelength holography)的新方法,并发明了一个装置,通过将相干光间接散射到隐藏物体上,然后该装置再接收这些散射的光。
接收之后,算法重构散射这些光信号就可以重建被投射物体的三维结构,并且,由于其高时间解析度,该方法也有可以对快速移动的物体进行成像,如通过胸部观察跳动的心脏或看到从街角高速驶来汽车。
论文链接:
https://www.nature.com/articles/s41467-021-26776-w
拦截散射光,两台激光器代替快速探测器
目标在遮挡或散射介质后面,如何能够观察到?
目前这一领域前沿被称为非视线成像(non-line-of-sight (NLoS) imaging)。与相关的非视距成像技术相比,西北大学这一方法可以快速获得亚毫米精度的大面积全场图像。在这种分辨率水平下,计算机算法将有可能透过皮肤看到哪怕是最微小的毛细血管的工作情况。
这一过程并不简单。Willomitzer和他同事的首要目标就是截获散射光,然后才能重建其行进时间的固有信息,从而揭示隐藏的物体。但这也带来了自身的挑战。
“没有什么比光速更快,所以如果你想高精度地测量光的旅行时间,那么你就需要极快的探测器,”Willomitzer说。“这种探测器可能非常昂贵。”
为了替代对快速探测器的需求,Willomitzer和他的同事们将两台激光器组合起来,以便产生一种合成光波,这种光波可以在不同的散射场景下适用于全息成像。
“如果你能在全息图中捕捉到一个物体的整个光场,那么你就可以完整地重建该物体的三维形状,”Willomitzer解释说。“我们用合成波代替普通光波,在角落或者通过散射体进行全息成像。”
多年来,已经有许多NLoS成像试图恢复隐藏物体的图像。但是这些方法通常有一个或多个问题。它们要么分辨率低,角度范围极小,要么需要耗时的光栅扫描,要么需要大的探测区域来测量散射光信号。
然而,新技术克服了这些问题,是第一个在角落和通过散射介质成像的方法,它结合了高空间分辨率、高时间分辨率、小探测区域和大角度视场。这意味着相机可以在狭窄的空间里拍摄微小的特征,也可以在大范围内拍摄高分辨率的隐藏物体——即使物体在移动。
把墙壁变成镜子
因为光只能在直线上传播,所以必须有一个不透明的屏障(如墙、灌木或汽车),以便这个新设备能够看到拐角处。
光线从传感器单元(可以安装在汽车顶部)发出,从屏障反弹,然后击中拐角处的物体。 然后光线反射回屏障,最终返回到传感器单元的探测器。
Willomitzer说:“这就像我们可以在每一个遥远的表面安装一个虚拟的计算机摄像机,从表面的角度看世界。”
通过这种方式,高分辨率技术也可以取代(或补充)医学和工业成像的内窥镜。 例如,在结肠镜检查中,合成波长全息术不需要能够旋转和扭转狭窄空间的柔性摄像机,而是利用光来观察肠道内的许多褶皱。
Willomitzer说:“如果你有一个正在运转的涡轮机,并且想要检查里面的缺陷,你通常会使用内窥镜。”但有些缺陷只在设备运行时才会显现出来。你不能使用内窥镜和查看内部涡轮从前面,而它是运行。我们的传感器可以观察运转中的涡轮机内部,探测小于一毫米的结构。”
尽管这项技术目前还只是一个原型,但是 Willomitzer 相信它最终会被用于帮助司机避免交通事故。他说: “在我们看到这种汽车内置的成像设备或被批准用于医疗应用之前,还有很长的路要走。”。
“也许10年,甚至更久,但它终将到来。”
相关报道:
https://news.northwestern.edu/stories/2021/11/new-holographic-camera-sees-the-unseen-with-high-precision/
https://www.nature.com/articles/s41467-021-26776-w/
相关文章
- 大数据和云计算之间那点儿非同一般的关系
- 如何为业务收集数据并将其转化为价值
- 斐讯与思科签署合作备忘录,共创数据时代商业蓝海
- 企业如何实现对大数据的处理与分析?
- 大数据可视化——5个必须知道的工具
- 斐讯牵手思科 共创数据时代新纪元
- NFV服务保障需要大数据、小数据或兼而有之?
- 警惕大数据成了互联网的“PX项目”
- 大数据,新一轮技术革命的“支点”
- 克服大数据的五大挑战——一切答案尽在云服务
- 交通数据太庞大,不如交给可视化处理
- 数据组织的自我学习将在2018年兴起
- 遭遇成长烦恼 2017AI大数据行业回顾
- 大数据测试类型&大数据测试步骤
- 数据化,从现实世界向虚拟世界的大迁徙,是一切的归宿
- 大数据和云计算的冲突
- AI和大数据2017“成长的烦恼”
- 大数据变现给了数据建模者自证价值的好机会
- 2017年云计算和数据中心产业的回顾与总结
- Wikibon 2018预测:数据和云将变革所有企业