当前已经上路测试的许多无人驾驶汽车，已经配备了基本的环境感知与紧急避让功能。但是对于一些潜在不可见的威胁，它还不能够很好地避免。好消息是，一支斯坦福研究团队正在开发一套基于激光的新式系统。其旨在让无人驾驶汽车“看到”四周角落的盲点，在儿童或其它车辆突然窜出来之前作出响应。 由于肉眼无法直接看穿，其采用了激光脉冲来对准角落的盲点。

　　研究人员David Lindell和Matt O'Toole 进行系统试验

　　据悉，一个高灵敏度传感器可以捕捉返回的光信息，经过算法分析来得出一个“隐藏在视线之外的模糊快照”。虽然听起来很“高科技”，但这并不是科学家首次成功展示这项“特异功能”。

　　早在2012年，一支麻省理工团队就进行过类似的系统实验。2014 年的时候，欧洲和加拿大研究人员已经能够重现隐藏物体的“光回声”了。

　　不过斯坦福科学家指出，他们的进展主要体现在数学层面。鉴于光线会被物体散射，因此它可以从几乎所有方向上向传感器回馈过来，从而产生了大量的“噪点”。

　　为此，斯坦福团队开发了一种能够计算出被捕获的光子路径的先进算法，然后凭借它来重现物体。 论文合著者 David Lindell 表示：非视线成像的一个重大挑战，就是在测量噪声中找到一种有效的方法，来重建隐藏对象的3D结构。我认为这种方法的最大影响，就是它的计算效率。

　　研究人员称，他们的算法可以在一秒不到的时间内完成对光子数据的分析，效率高得可以直接在普通笔记本电脑上运行。当前要扫平的实用障碍，就在最初的扫描上：为了生成一个隐藏对象的足够数据，系统需要在一个过程中发射许多激光脉冲，但要耗费一个小时的话，又显得没有必要了。外一个问题是环境光，在精心控制的实验室条件下，系统工作起来是没有问题的。但要把它带到明亮的太阳底下，传感器可能就有点不知所措了。

　　好消息是，在户外测试中，研究人员发现这项技术能够清晰地捕捉到高反射物体，比如鲜亮的服装颜色、路牌和标记等。

　　在未来，研究人员希望能够进一步提升其扫描速度、在日光下的工作能力、甚至可探测移动物体。

　　有关这项研究的详情，已经发表在近日出版的《自然》(Nature)期刊上，原标题为《Confocal non-line-of-sight imaging based on the light-cone transform》。