如果自動駕駛汽車和機器人要想安全高效，就需要感知周圍環境。他們還需要能夠預測周圍物體的行為——無論是其他機器人、車輛，甚至是人——并規劃他們的路徑的同時做出相應的決定。換句話說，他們需要機器視覺。

傳統上，機器視覺是通過相機和傳感器（包括雷達、聲納和激光雷達）的組合來實現的。但機器視覺通常也依賴于熱量。普渡大學電氣和計算機工程教授Zubin Jacob說：“熱輻射來自所有溫度為非零的物體。樹葉、樹木、植物、建筑物——它們都在發射熱輻射，但這是不可見的紅外輻射，我們的眼睛和傳統相機看不到。” 由于熱浪不斷散射，紅外相機生成的圖像缺乏材料特異性，導致圖像模糊不清，如“幽靈般”，沒有深度或紋理。

作為“幽靈”圖像的替代方案，Jacob和他在普渡大學和密歇根州立大學的同事開發了一種熱輔助檢測和測距（heat-assisted detection and ranging，HADAR）技術，該技術可以解決雜亂的熱信號，以“查看”紋理和深度，從而提高圖像的清晰度和細節。在一項概念驗證實驗中，他們證明了夜間的HADAR測距與白天的RGB立體視覺一樣好。

人類在白天或光線充足的環境中可以看到豐富多樣的顏色、紋理和深度，但即使在昏暗或黑暗的情況下，也有大量的熱光子在周圍反彈。Jacob說，盡管人類看不到它，但這種情況并不限制于機器，所以我們需要開發新的傳感器和新的算法來利用這些信息。

在他們的實驗中，研究人員選擇了一個沼澤地的戶外空間，遠離道路和城市照明。他們收集了近100個不同頻率的紅外光譜中的熱圖像。正如RGB圖像中的每個像素都由三個可見頻率編碼（R代表紅色，G代表綠色，B代表藍色）一樣，實驗中的每個象素都標記有三個熱物理屬性，即TeX——溫度（T）、材料指紋或發射率（e）以及紋理或表面幾何形狀（X）。Jacob說：“人們對T和e有相當好的理解，但關于紋理的關鍵見解實際上是在X中。”這三個輸出構成了HADAR算法對物體和環境的物理描述。

HADAR算法根據估計得到的溫度、發射率和深度，重建出物體和環境的紋理、形狀和顏色。紋理是根據發射率的差異生成的；形狀是根據深度的變化生成的；顏色是根據溫度的范圍生成的。這三個重建結果構成了HADAR算法對物體和環境的視覺呈現。

最終，HADAR算法能夠從熱圖像中分離出物體和環境的物理屬性，從而消除幽靈效應，提高圖像的清晰度和細節。HADAR算法不僅能夠在黑暗中看見物體的輪廓和熱量，還能夠看見物體的溫度、材質和紋理，就像在白天一樣。

Jacob補充道，HADAR技術能夠提供更好的適應性，不受光照條件的限制，能夠在黑暗或低能見度的環境中正常工作。此外，在激光雷達、聲納或雷達等主動方法中，如果場景中有很多代理，它們之間可能會有很多串擾。

Jacob說，HADAR作為一項新技術，還處于相當初級的階段。目前，數據收集幾乎需要一分鐘的時間。相比之下，例如，夜間駕駛的自動駕駛汽車需要在幾毫秒內對周圍環境進行成像。此外，數據收集所需的相機體積龐大、價格昂貴且耗電。所以現階段非常適合科學演示，但不適合廣泛采用。研究人員目前正在研究這些問題，Jacob預測，未來幾年的研究將致力于解決這些。

然而，Jacob說，有一些應用是可以立即實現的，比如夜間野生動物監測。另一個不需要毫秒決策能力的地方是一些醫學應用，例如測量人體上的溫度梯度。他還表示：“現在最大的挑戰是硬件的改進，我們可以將先進的算法融入其中。” 他預測，下一代相機將是高速、緊湊的，可以在室溫下工作，因此需要全新的材料。

審核編輯：彭菁