计算机视觉研究人员已经证明他们可以使用特殊的光源和传感器来观察角落周围或通过薄纱过滤器，使他们能够重建看不见的物体的形状。

来自卡内基梅隆大学，多伦多大学和伦敦大学学院的研究人员表示，这种技术使他们能够非常详细地重建图像，包括缓解乔治·华盛顿在美国区的情况。

卡内基梅隆机器人研究所助理教授Ioannis Gkioulekas表示，这是研究人员首次能够计算出毫米级和微米级弯曲物体的形状，为更大的非线性套件提供了重要的新组件。 -sight(NLOS)成像技术现在由计算机视觉研究人员开发。

“令人兴奋的是，隐藏物体的重建质量更接近于我们习惯用于观察视线内物体的扫描，”机器人研究所教授Srinivasa Narasimhan说。“到目前为止，我们只能在相对较小的区域内实现这种详细程度，但这种能力将补充其他NLOS技术。”

这项工作得到了国防高级研究计划局的REVEAL计划的支持，该计划正在开发NLOS功能。该研究将于今天在加利福尼亚州长滩举行的2019年计算机视觉和模式识别会议(CVPR2019)上进行，并获得最佳论文奖。

“这篇论文指出，这篇论文在非视距重建方面取得了重大进展 - 实质上是能够看到角落的能力”。“它既是理论上的一篇优秀论文，也是一本鼓舞人心的论文。它继续推动计算机视觉领域的可能性。”

人们看到的大部分内容 - 以及相机检测到的内容 - 来自反射物体并直接反射到眼睛或镜头的光线。但是光也会反射出其他方向的物体，从墙壁和物体上反弹。这些散射光的微弱最终可能会到达眼睛或镜头，但会被更直接，更强大的光源冲刷掉。NLOS技术试图从散射光中提取信息 - 自然发生或以其他方式 - 并产生场景，物体或物体的其他部分不可见的图像。

“其他NLOS研究人员已经证明了NLOS成像系统能够理解房间大小的场景，甚至只使用自然发生的光来提取信息，”Gkioulekas说。“我们正在做一些与这些方法相辅相成的事情 - 使NLOS系统能够在一小块区域内捕捉细节。”

在这种情况下，研究人员使用超快激光将光从墙上反射，以照亮隐藏的物体。通过知道激光何时发射光脉冲，研究人员可以计算光线反射物体所需的时间，在返回途中从墙壁反弹并到达传感器。

“这种飞行时间技术类似于自动驾驶汽车经常使用的激光雷达技术，用于建立汽车周围环境的3D地图，”Shumian Xin博士说。机器人学的学生。

以前尝试使用这些飞行时间计算来重建物体的图像取决于其反射的亮度。但是在这项研究中，Gkioulekas说研究人员开发了一种纯粹基于物体几何形状的新方法，这反过来使他们能够创建一种测量其曲率的算法。

研究人员使用的成像系统实际上是一个能够感应单个光粒子的激光雷达，用于测试塑料壶，玻璃碗，塑料碗和滚珠轴承等物体上的技术。他们还将这种技术与称为光学相干断层扫描的成像方法相结合，以重建美国宿舍的图像。

除了看到角落之外，该技术证明在通过漫射滤光片(例如厚纸)时是有效的。

到目前为止，该技术仅在短距离内得到证明 - 最多一米。但研究人员推测，基于物体几何测量的技术可能会与其他互补方法相结合，以改善NLOS成像。它也可以用于其他应用，例如地震成像和声学和超声成像。

除了Narasimhan，Gkioulekas和Xin之外，研究团队还包括CMU电气和计算机工程系助理教授Aswin Sankaranarayanan;Sotiris Nousias，伦敦大学学院医学物理和生物工程博士;和Kiriakos N. Kutulakos，多伦多大学计算机科学教授。

研究人员是一个更大的协作团队的一部分，其中包括来自斯坦福大学，威斯康星大学麦迪逊分校，Zaragosa大学，米兰理工大学和圣路易斯法国 - 德国研究所的研究人员，他们正在开发一套补充NLOS成像技术。

除了DARPA，国家科学基金会，海军研究办公室和加拿大自然科学与工程研究委员会也支持这项研究。