บาคาร่าเว็บตรง เทคนิคที่เรียนรู้จากการถ่ายภาพดวงตาทำให้ LiDAR . ที่มีอัตราวิดีโอ

บาคาร่าเว็บตรง เทคนิคที่เรียนรู้จากการถ่ายภาพดวงตาทำให้ LiDAR . ที่มีอัตราวิดีโอ

บาคาร่าเว็บตรง การถ่ายภาพด้วยความเร็วสูงแนวทางใหม่ในการใช้ LiDAR สามารถประมวลผลข้อมูลได้เร็วพอที่จะจับภาพคุณลักษณะที่สำคัญสำหรับรถยนต์ขับเคลื่อนอัตโนมัติและระบบการผลิตได้ คลิกเพื่อดูภาพเคลื่อนไหว นักวิจัยจาก Duke University ได้พัฒนาระบบ LiDAR (การตรวจจับแสงและช่วงแสง) ที่มีความแม่นยำสูงโดยใช้บทเรียนที่ได้จากการถ่ายภาพดวงตา 

ซึ่งพวกเขาอ้างว่าเร็วกว่าการสาธิต LiDAR 

ก่อนหน้านี้ถึง 25 เท่า ซึ่งทำให้ระบบมีอัตราเฟรมที่เทียบเท่ากับกล้องวิดีโอ ซึ่งช่วยปรับปรุงศักยภาพของระบบภาพสำหรับเทคโนโลยีอิสระ เช่น รถยนต์ไร้คนขับและหุ่นยนต์อย่างมาก

การสร้างภาพ 3 มิติแบบเรียลไทม์ที่มีความละเอียดสูงเป็นที่ต้องการในหลายสาขา รวมถึงการถ่ายภาพทางการแพทย์ หุ่นยนต์ ความเป็นจริงเสมือน การพิมพ์ 3 มิติ และยานยนต์อัตโนมัติ ปัจจุบัน ความสนใจอย่างมากสำหรับระบบอิสระมุ่งเน้นไปที่ LiDAR ระบบ LiDAR ส่วนใหญ่อิงตามเวลาของเที่ยวบิน: พวกมันส่งพัลส์เลเซอร์และวัดเวลาที่ใช้ในการสะท้อนกลับ โดยใช้ข้อมูลนั้นเพื่อทำแผนที่สภาพแวดล้อม

ในช่วงไม่กี่ปีที่ผ่านมา เพื่อพยายามปรับปรุงความเร็วของ LiDAR และลดข้อผิดพลาดที่เกิดจากแสงโดยรอบ นักวิจัยได้พิจารณา LiDAR คลื่นต่อเนื่องที่มอดูเลตความถี่ (FMCW) เทคนิคนี้เหมือนกับ LiDAR แบบดั้งเดิม แต่ระบบจะเปลี่ยนแปลงหรือปรับความถี่ของเลเซอร์อย่างต่อเนื่อง เมื่อแสงสะท้อนกลับมา เช่นเดียวกับการวัดเวลาที่ใช้ ระบบจะวิเคราะห์ว่าเฟสของมันเปลี่ยนไปอย่างไร สิ่งนี้ให้การวัดระยะทางที่แม่นยำยิ่งขึ้น รูปแบบความถี่ที่สร้างโดยเลเซอร์มอดูเลตยังช่วยให้ระบบแยกแยะแสงเลเซอร์ที่

สะท้อนออกจากแหล่งกำเนิดแสงอื่นๆ ได้ง่ายขึ้น

FMCW LiDAR แบ่งปันหลักการทำงานที่คล้ายคลึงกันกับเทคนิคการถ่ายภาพทางการแพทย์ swept-source optical coherence tomography (OCT) Swept-source OCT ใช้เป็นหลักในจักษุวิทยาเพื่อให้ได้ภาพตัดขวางที่มีความละเอียดสูงของเรตินา เทคนิคนี้ใช้เลเซอร์ที่กวาดไปตามช่วงความถี่เพื่อให้ได้ภาพสามมิติที่ด้านหลังดวงตาด้วยความลึกหลายมิลลิเมตร

ในช่วงไม่กี่ปีที่ผ่านมา การพัฒนาหลายอย่างได้ช่วยเพิ่มช่วง ความเร็ว และความละเอียดของ OCT แบบ swept-source ในงานล่าสุดของพวกเขา วิศวกรชีวการแพทย์Joseph Izattและเพื่อนร่วมงานของเขาได้ใช้บทเรียนบางส่วนที่พวกเขาได้เรียนรู้จาก OCT เพื่อสร้าง FMCW LiDAR ที่มีความเร็วและความแม่นยำสูง พวกเขาหารือเกี่ยวกับผลลัพธ์ของพวกเขาในNature Communications

ขั้นแรก นักวิจัยใช้แหล่งกวาดล้างสารกึ่งตัวนำทั้งหมดที่มีอะคิเนติก สิ่งนี้จะขจัดการเคลื่อนไหวทางกลทุกรูปแบบในกลไกที่สร้างการกวาดความถี่เลเซอร์ ในอดีต มีการแสดงเทคนิคเช่นนี้เพื่อขยายช่วงการถ่ายภาพของ OCT และ FMCW LiDAR

ระบบ FMCW LiDAR จำนวนมากมีความเร็วในการสแกนที่จำกัดเนื่องจากกระจกแบบกลไกหรือระบบเครื่องกลไฟฟ้าอื่นๆ ที่ใช้ในการเคลื่อนลำแสงเลเซอร์ข้ามระยะการมองเห็น วิธีหนึ่งในการแก้ไขปัญหานี้ และเปิดใช้งานการถ่ายภาพความเร็วสูง คือการเปลี่ยนจากระบบกลไกไปเป็นเครื่องสแกนลำแสงที่ไม่ใช้กลไกอีกครั้งโดยไม่มีชิ้นส่วนที่เคลื่อนไหว Izatt และทีมของเขาใช้ตะแกรงเลี้ยวเบนแสง ซึ่งแยกเลเซอร์ออกเป็นลำแสงหลายลำที่มีความยาวคลื่นต่างกัน โดยทั้งหมดเคลื่อนที่ในมุมที่ต่างกันจากแหล่งกำเนิด นอกจากแหล่งกำเนิดการกวาดแล้ว

สร้างเลเซอร์ที่สแกนสภาพแวดล้อมได้เร็วกว่าระบบกลไกมาก

แม้ว่าเทคนิคเหล่านี้จะช่วยปรับปรุงช่วงของระบบภาพ แต่ก็ส่งผลกระทบต่อความละเอียดเชิงลึก ระบบ OCT ต่อสู้กับสิ่งนี้โดยใช้จุดสุ่มตัวอย่างมากขึ้น เครื่องตรวจจับแสงที่เร็วขึ้น และเวลาการได้มาที่นานขึ้น แต่ระบบ LiDAR ไม่ต้องการความละเอียดในเชิงลึกเท่ากัน เนื่องจากไม่ได้ตรวจสอบโครงสร้างที่ลึกหลายมิลลิเมตรในเรตินาของผู้ป่วย พวกเขาเพียงแค่ต้องสแกนพื้นผิวของวัตถุ

นักวิจัยพบว่าด้วยการลดจำนวนจุดสุ่มตัวอย่างสเปกตรัมและทำให้ช่วงความถี่ของเลเซอร์แคบลง พวกเขาสามารถบรรลุการถ่ายภาพ 3 มิติแบบเรียลไทม์ด้วยอัตราเฟรมสูงถึง 33.2 เฮิรตซ์ ด้วยวิธีการสุ่มตัวอย่างแบบบีบอัดนี้ พวกเขาได้สาธิตการถ่ายภาพอัตราวิดีโอของวัตถุต่างๆ ในชีวิตประจำวัน รวมถึงมือมนุษย์ที่กำลังเคลื่อนไหว ด้วยช่วงการถ่ายภาพสูงสุด 32.8 ซม.

ไมโครเรโซเนเตอร์ชิป โฟโตนิกส์แบบรวมแบบไม่เชิงเส้นเร่งความเร็วของไลดาร์ที่สอดคล้องกัน

ขณะนี้ระบบมีข้อจำกัดบางประการ โดยเฉพาะช่วงการถ่ายภาพที่สั้น ทั้งนี้เนื่องมาจากแบนด์วิดท์ของส่วนประกอบที่มีอยู่ แต่สามารถขยายได้ถึง 2 ม. โดยใช้เครื่องตรวจจับแสงเชิงพาณิชย์และดิจิไทเซอร์ที่มีสเปคสูงกว่า อย่างไรก็ตาม นักวิจัยเน้นว่าวิธีการของพวกเขาแสดงให้เห็นถึงศักยภาพที่ยอดเยี่ยมของ FMCW LiDAR สำหรับการใช้งานด้านภาพจำนวนมาก

Izatt กล่าวว่า “เทคโนโลยีการถ่ายภาพระดับเซลล์ทางชีววิทยาที่เราใช้งานมานานหลายทศวรรษสามารถแปลได้โดยตรงสำหรับการมองเห็น 3 มิติขนาดใหญ่แบบเรียลไทม์” “สิ่งเหล่านี้เป็นความสามารถที่จำเป็นสำหรับหุ่นยนต์ในการมองเห็นและโต้ตอบกับมนุษย์อย่างปลอดภัย” ในโลก 3 มิติ เขาอธิบายว่า “พวกเขาต้องสามารถเห็นเราเช่นเดียวกับที่เราเห็นพวกเขา”

UrbanDenoiser ยังคงมีปัญหาบางอย่างที่ต้องแก้ไข และขณะนี้นักวิจัยตั้งเป้าที่จะลดอัตราการเกิดผลบวกและค่าลบที่ผิดพลาดในการวิจัยในอนาคต ด้วยความสามารถในการปรับปรุงคุณภาพของสัญญาณแผ่นดินไหวที่รวบรวมได้ในสภาพแวดล้อมในเมือง พวกเขาหวังว่าอัลกอริธึมจะช่วยให้หน่วยงานในพื้นที่เสี่ยงต่อแผ่นดินไหวสามารถตรวจสอบกิจกรรมแผ่นดินไหวได้แม่นยำยิ่งขึ้น ช่วยปกป้องโครงสร้างพื้นฐานในเมืองที่มีช่องโหว่ได้ดียิ่งขึ้น

เพื่อใช้ประโยชน์จากแอพพลิเคชั่นไร้สายที่มีศักยภาพของกล้ามเนื้อเทียมที่ขดของพวกเขาอย่างเต็มที่ นักวิจัยได้คิดค้นสถานการณ์การผ่าตัดพิสูจน์แนวคิดห้าประการเพื่อแสดงให้เห็นถึงประโยชน์ใช้สอยของพวกเขา บาคาร่าเว็บตรง