想象一下，当你驾驶一辆自动驾驶汽车穿过隧道，你却不知道前方发生了一起车祸，导致交通中断。通常情况下，驾驶员需要依靠前面的汽车来判断是否应该开始刹车，但如果你的汽车能够透过遮挡看到前方车辆的情况，并更早地踩下刹车，情况会怎样？
最近，在麻省理工学院和Meta的研究人员的共同努力下，一项名为PlatoNeRF的技术应运而生，有望彻底改变自动驾驶汽车的未来。这项技术将激光雷达和机器学习相结合，能够创建出物理上很精确的3D模型，即使是在视线受阻的情况下也能准确捕捉场景。
PlatoNeRF的命名灵感来源于古希腊哲学家柏拉图《理想国》中的洞穴寓言，其中被锁在山洞中的囚犯只能根据投射在洞穴墙壁上的阴影来辨别外部世界，而该项技术也正是通过分析阴影来揭示被遮挡的物体。
研究人员使用了一种名为单光子激光雷达的新传感方式，激光雷达通过发射光脉冲并测量光反射回传感器所需的时间来绘制3D场景。单光子激光雷达会照亮场景中的目标点，一些光从该点反射并直接返回传感器，而大多数的光会在返回传感器之前就散射并从其他物体反射回来，PlatoNeRF主要依赖的就是这些光的第二次反射。
通过计算光线反射两次并返回激光雷达传感器所需的时间，PlatoNeRF可以捕获有关场景的其他信息，包括深度以及有关阴影的信息。该系统追踪次级光线（从目标点反射到场景中其他点的光线），以确定哪些点处于阴影中，根据这些阴影的位置，PlatoNeRF 就可以推断出被遮挡物体的几何形状，从而为自动驾驶汽车提供更早的反应时间，以避免潜在的危险。
这项技术的应用远不止于此。PlatoNeRF 还能够提高 AR/VR 设备的效率，使用户无需移动就能对房间进行几何建模，同时也能帮助仓库机器人在复杂环境中更快地定位物品。未来，研究团队希望通过追踪多次反射的光线来进一步改善场景重建，并计划应用更多深度学习技术，结合彩色图像测量来捕获纹理信息。
最前沿的电子设计资讯
