基于这一技术的激光系统能够有效的产生藏在转角后物体的图像，让自动驾驶汽车可以提前“看见”还未出现在视域中的障碍物。

无论是追球玩的小朋友、突然出现的牛群还是抛锚的汽车，这些意外障碍对于汽车驾驶者来说都是致命的。但是来自斯坦福大学的研究人员经过努力，已经研发出了相关的激光技术，可以预见到这样的危险。

近日，斯坦福大学 SCIL（Stanford Computational Imaging Lab）实验室的研究人员在 Nature 杂志上发表了论文，对外阐述了这一新型激光技术到底是如何工作的。

基于这一技术的激光系统能够有效的产生藏在转角后物体的图像，让自动驾驶汽车可以提前“看见”还未出现在视域中的障碍物。

“有一种先入为主的观念是，你没法对那些没有被摄像机直接看见的物体进行成像处理，而我们找到了跨越这些限制的办法。”论文联合作者、斯坦福大学博士后 Matthew O'Toole 如是表示。

他们找到的解决之道是基于激光雷达技术的方案。大家知道激光雷达很多时候用于测绘，其技术原理主要是通过向物体表面发射激光脉冲，并且测量光反射回来所需要的时间，这些数据之后会被研究人员用作搭建物体表面的 3D 模型。

不过斯坦福大学的新技术在这个基础上更进一步，使用激光来探测转角之后的物体，“几乎就是一种魔法，”O'Toole 感叹。

为了更直观地解释这一技术的原理，斯坦福大学还为这个团队和他们的技术拍摄了一段阐述短片。

在短片中，O'Toole 和他的同事们描述了他们是如何搭建起一个演示模型的。这个模型中，激光发射器和光子探测器被放置在被探测物体（实际是一只兔子）旁边墙壁（P 字母所在的位置）的前面，同时在被探测物体与激光发射器、光子探测器之间，是一块实体挡板，制造了一种转角的情境。

在这个场景中，激光脉冲（深红的直线）开始以某个角度向墙壁发射，脉冲打在墙壁上后，产生反射，这里的反射是向多个角度发散的。

整个过程中，研究团队对于收集直接从墙壁反弹到探测器上的光子并不感兴趣，他们想收集的是经过墙壁反弹后，继续射向那只兔子然后再反弹、分散后的光子。“我们寻找的是经过第二次、第三次，甚至是第四次反弹之后的光子，这样的光子能够对隐藏物体进行编码和模型构建。”O'Toole 解释称。

上述的流程存在的一个问题是，射出的激光脉冲打在了墙上的某个点，而团队要收集的返回信号则是来自于另一个点。这里，O'Toole 和他的同事使用了一种独特的技术，可以让激光发射器和光子探测器指向相同的一点。

然后，团队利用信号时差的原理将那些直接反弹回来的光子移除掉，算法将那些保留下来的光子重建。塑形，逐渐形成清晰的针对转角隐藏物体的 3D 模型。

“这是一个非常简单的调整成像的方法，但它对你如何从这些信息中重建图像具有重要意义。”O'Toole 表示。他还指出，这样的设置占用更少的内存，处理起来也没那么费力，还能生成更高分辨率的图像。

在完成了对上述演示中那只兔子的成像之后，O'Toole 所在的团队又将他们的技术运用到了现实生活中，包括对转角的“Exit”字样进行 3D 重建。

而说到这样一项新技术的拓展应用时，O'Toole 说因为道路标识和自行车等物体的高反射性特质，所以他们的激光技术很适合于运用到自动驾驶汽车领域。

不过，很多的障碍依然存在。

比如，对于墙体的初次扫描要花上一分钟到几个小时不等，这是影响系统处理速度稳定性的重要因素；而且，针对一些反射性不那么强的物体如人体、动物等等，系统如何应对；此外，面对室外强光环境时，这项技术如何应对？