Vědci na Massachusetts Institute of Technology podařilo získat super-jasné obrázky objektů v téměř 100 procent tmy, díky sběru informací od jednotlivé fotony zaznamenané každým jednotlivým pixelem polovodičový detektor.
Foto z otevřených zdrojů
Tento úspěch může napomoci například při studiu křehkého stavu biologické materiály jako lidské oko být poškozen silnějším podsvícením. Také tento vývoj může najít použití ve vojenské inteligenci, což vám umožní dělat si poznámky CCTV s minimálním podsvícením, kterým je třeba se vyhnout detekce protivníkem.
Chcete-li získat tyto obrázky, elektrotechnik z MIT Ahmer Kirmani a jeho kolegové vyvinuli algoritmus, který bere v úvahu korelace mezi sousedními částmi zvýrazněného objektu a také fyzika slabě osvětlených měření.
“Nevyvinuli jsme nový laser nebo nový detektor,” poznamenává Kirmani. Místo toho jeho tým použil nový algoritmus, který lze použít se standardními a všudypřítomnými společný fotonový detektor.
V tomto systému jsou nízkoenergetické pulzy viditelného laseru světla střílejí na danou část prostoru do alespoň jeden foton nebude zaznamenaný detektor; každý zvýrazněná tečka odpovídá jednomu pixelu konečného obrázky.
Kolísání doby, po kterou se fotony odrážejí objekt, poskytnout informace o jeho hloubce – to je standardní způsob, jak znovu vytvořit trojrozměrné struktury. Algoritmus vyvinutý společností Kirmani, umožňuje dosáhnout tohoto výsledku, za použití pouze stotiny potřebných fotonů stávající technologie LIDAR.
Protože laser generuje světlo pouze s jednou vlnovou délkou, Obrázky jsou získány monochromaticky. Nová technika to však umožňuje do určité míry identifikovat různé materiály objektu podle toho, do jaké míry odrážejí barvu laseru.
Ve svém experimentu simulujícím skutečné podmínky vědci použili různé algoritmy redukce šumu, což jim umožnilo získat 3D obrázky ve vysokém rozlišení, za použití jen jednoho milionu fotonů. Pro srovnání, snímek stejná kvalita jako u smartphonu v kanceláři osvětlení by vyžadovalo několik stovek bilionů fotonů, hlásí Kirmani.
Lasery
