如今，斯坦福大学计算成像实验室的研究人员对该技术进行了扩展，现在，只需让一个激光点 进入房间，就可以看到里面可能有哪些实物。

不过这可不是拿来摸鱼用的。未来，该技术可以与自动驾驶等技术绑定，这样司机就能提前发现隐藏在拐角处的潜在危险，提高安全性和避障能力。

论文链接：

https://www.computationalimaging.org/publications/keyhole-imaging/

1 MIT提出“锁眼成像方法”

其实非视线成像由来已久了，但无法否认，这的确是一项聪明的技术。

此前，该技术已经利用了像地板或墙壁这样的平面，这些平面一般处于摄像机和被遮挡物体的视线范围内。然后，一系列来自摄像机的激光脉冲，在这些平面的表面上反弹，然后在隐藏的物体上反弹，最终回到摄像机的传感器上。算法利用光反射的时间生成相机看不到的物体图像。

遗憾的是，这些物体图像的分辨率不高，尽管如此还是能一下子确认物体是什么。

这次，MIT的研究人员对其改善后提出了锁眼成像（keyhole imaging）的方法。

从命名上我们也可以猜到，要“看”清封闭房间内的物体，我们只需要一个小孔，比如钥匙孔或窥视孔，让激光束穿过，在里面的墙上形成一个光点。

与上述过程类似，激光会在墙上、房间物体上反弹，无数的光子最终通过小孔口反射回相机，相机利用一个单光子雪崩光电探测器测量它们返回的时间。

如果隐藏物体是静态的，锁眼成像无法得到足够的信息。为了绕过这个问题，研究人员发现，他们可以用激光脉冲成像一个移动的物体，这种激光能够在较长的曝光时间内产生足够的可行数据，从而为算法构建物体的图像提供足够的信息。

如下图所示，木制人体模型看起来像幽灵一样，但当与经过适当训练的图像识别人工智能相配时，确定房间里有一个人（或人形物体）倒是非常可行的。

除了自动驾驶技术外，该项研究未来还可以协助警方侦破案件。比如，要在破门而入前评估某个房间的风险，只需利用墙上的一个小裂缝或窗户。

同时，这项新技术还可以为自主导航系统提供新的思路。在以前的无损检测技术不实用的情况下，在威胁之前就发现隐藏的危险因素。

2 利用光传播和阴影也能还原遮挡物

相关技术在 MIT 中也已有先例。

2019年，MIT 计算机科学与人工智能实验室提出，他们能通过细微的阴影和反射重现被遮挡的动作。也就是说，打开摄像机之后，即使是摄像机视野之外的物体或动作，也可以进行再现。

MIT的研究员们基于视域外的视频投射在附近物体上的阴影，预测出视域外的内容。上面一行显示的是研究员使用这种方法重现的视觉元素，下面一行则是原始物体。

通过观察阴影和几何图形之间的相互作用，新的算法可以预测光在场景中的传播方式，即“光传输”。然后，再利用这种传播方式从观察到的阴影中估计被隐藏的内容，甚至可以构建真人表演的大致轮廓。

该技术是“被动的”，这意味着对场景没有激光或其他干预，整个过程需要大约2个小时的处理时间。研究人员表示，该技术最终有助于重现视线之外的场景，包括但不限于上述应用。

“通过使用非视距成像设备（例如激光器）可以完成许多任务，但是在我们的方法中，只能使用自然到达相机的光线，并尝试充分利用这些稀缺的信息，”前CSAIL博士后、NVIDIA现任研究科学家，新技术首席研究员Miika Aittala表示， “鉴于神经网络的最新进展，这似乎是一个很好的时机，可以解决在这个领域以前被认为是无法解决的一些挑战。”

为了捕获这些看不见的信息，团队使用了细微的间接照明提示，例如被观察区域杂乱的阴影和高光。在某种程度上，一堆杂物的行为有点像针孔照相机，类似于在小学科学课中可能会制作的东西：它阻挡了一些光线，但允许其他光线通过，并且无论在何处，它们都描绘出周围环境的图像。

但如果针孔相机被设计为仅允许通过足以形成可读图像的光线，那么一堆杂乱的杂物会产生无法识别的的图像、（通过光传输）被扰乱的阴影的复杂运动。

可以将杂物想像成一面镜子，使我们可以看到周围的环境，尤其是在无法直接看到的角落。这个算法所解决的挑战是要弄清并理解这些照明的提示。

怎么样，是不是又“学废了”？

种种迹象表明，或许，我们离拥有“透视眼”的那天真的不远了。