Algolux 和大學科學家開發了非視距 (NLOS) 技術，以使用傳統的相機傳感器查看隱藏的物體。

如果您正在尋找一家有趣的機器視覺公司來關注（雙關語），Algolux 就是您的最佳選擇。Algolux 擁有大約 40 名員工，并不是一家大公司，但他們所做的工作可能會改變機器視覺行業的游戲規則。

我第一次聽說 Algolux 是在 2016 年左右，關于他們的Atlas Camera Tuning Suite（以前稱為 CRISP-ML）——一個用于自動化視覺系統復雜優化的人工智能 (AI) 機器學習 (ML) 平臺和成像管道，包括光學（鏡頭）、傳感器、處理器和圖像/視頻處理算法。

接下來是Eos Perception Software，這是一種端到端的神經網絡堆棧，可以嵌入到任何視覺系統中，與當今最準確的計算機視覺算法相比，可將感知精度提高 30% 以上，尤其是在最嚴苛的環境中情景。

說到苛刻的使用場景，許多計算機視覺系統的演示都是在最佳條件下進行的，但 Algolux 的人們也將他們的系統定位在多塵、骯臟和多霧的環境中。正如他們所說，如果你擁有的只是一臺鏡頭上沾滿了灰塵和污垢的相機，那么你必須充分利用你所擁有的。

最近，Algolux 宣布了其Ion Platform——一個自主視覺系統設計和實施平臺，使下一代產品的創造者能夠端到端地設計他們的視覺系統。

作為所有這一切的一部分，Algolux 還贏得了右、左和中獎，包括在 2018 年嵌入式視覺峰會上享有盛譽的年度視覺產品獎。

但以上都不是我想在這里談論的（對不起）。

Algolux 的使命宣言如下：

我們的使命是實現自主視覺——使相機能夠更清晰地看到并感知當今成像和視覺系統無法感知的內容。

好吧，他們關于使用非視距 (NLOS) 技術使車輛和智能手機攝像頭能夠看到拐角處的最新公告肯定符合他們的既定使命。

來自 Algolux、蒙特利爾大學和普林斯頓大學的一組研究人員似乎開發了一種新方法，可以讓傳統的彩色相機（如智能手機或車輛中的相機）看到被墻壁或其他物體遮擋的隱藏物體在場景中。

該團隊首次能夠以高分辨率和彩色看到角落周圍的物體，從而實現了 NLOS 成像的前所未有的分辨率。來自學術界和工業界的研究人員能夠重建交通標志和其他 3D 對象的高質量圖像，而無需直接查看這些對象。

將高分辨率非視距成像應用于實際駕駛應用的示例（來源：Algolux）

簡而言之，這個想法是檢測、隔離和識別隱藏對象從其他可見對象反射回來的鬼像。現在，我必須承認，當我第一次看到上面顯示的示例圖像時，我的下意識反應是，“為什么我會對看到隱藏在墻后的停車標志感興趣？” 然而，經過反思（同樣，不是雙關語），我開始設想各種有趣的可能性。

作為一般的經驗法則，你知道的越多，你就越好。“情境意識”一詞是指對環境因素和事件相對于時間或空間的感知，對其意義的理解，以及對其未來狀態的預測。不太正式，態勢感知意味著知道你周圍發生了什么。

以自動駕駛汽車為例，不可否認的是，它們對周圍發生的事情了解得越多，我們所有人在另一天繼續戰斗的機會就越大。假設您正在沿著準備與另一臂合并的 Y 形交叉口的一個臂向下巡航，如下圖所示：

將高分辨率非視距成像應用于實際駕駛應用的示例（來源：Max Maxfield）

現在假設您的車輛配備了 NLOS 成像技術，因此 - 即使您和另一輛車之間有一座小山 - 它也可以檢測到卡車等物體反射的圖像，從而為它提供關于正在發生的事情的線索，并且會發生什么。不管你怎么看，這一定是件好事。

同樣，考慮在倉庫周圍運輸物品的機器人手推車和叉車。配備 NLOS 成像技術將大大提高他們對其他機器人、人類和躲在角落里的物體的態勢感知。

當然，總是有人認為，為人工智能驅動的機器人配備超人能力（例如能夠看到角落的能力）可能不是一個好主意——請參閱“更接近機器人啟示錄的一個金屬步驟”——但希望這樣的場景不會潛伏在我們的未來。

我才剛剛開始考慮 NLOS 成像——以及 Algolux 等人正在進行的工作。仍處于開發的早期階段——但想法就像鞭炮一樣在我的大腦中彈跳。你呢——你能想到這項技術有什么有趣的應用嗎？

審核編輯 黃昊宇