Stanford usa cámaras ordinarias y punteros láser para lograr una "perspectiva a través de la pared", incluso su identificación se puede ver claramente

¿Pueden los sensores ver detrás de las esquinas de los obstáculos en tiempo real? Resulta que sí. Un estudio realizado por investigadores de Stanford, Rice University, Princeton y Southern Methodist University publicado en la revista Óptica propone un sistema que es capaz de producir imágenes a la vuelta de la esquina a altas resoluciones y velocidades. Es capaz de distinguir los detalles submilimétricos de objetos ocultos a 1 metro de distancia y, según el coautor Felix Heide, podría usarse para distinguir cosas como las matrículas de vehículos en movimiento ocultos y las insignias de personal que usan las personas que caminan.

“Las imágenes sin línea de visión tienen aplicaciones importantes en imágenes médicas, navegación, robótica y defensa”, dijo Heide. “Nuestro trabajo da un paso hacia la habilitación de su uso en una variedad de tales aplicaciones”.

El suyo no es el primer método capaz de construir imágenes digitales que revelan lo que hay a la vuelta de la esquina. Los científicos de Intel Labs y la Universidad de Stanford emplearon el año pasado conjuntos de parlantes y micrófonos estándar para capturar el tiempo de los ecos acústicos, informando algoritmos inspirados en imágenes sísmicas para generar imágenes de objetos ocultos. Y en 2017, 2018 y 2019, el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT detalló una cámara que reconstruye escenas fuera de la vista mediante el análisis de sombras.

Pero este último sistema de imágenes utiliza una cámara disponible comercialmente y un láser fuente similar a las que se encuentran en los punteros estándar. El haz rebota en una pared visible hacia el objeto oculto y luego vuelve a la pared, creando una dispersión de luz distintiva conocida como patrón moteado que codifica la forma del objeto oculto.

Para reconstruir el objeto a partir del patrón de motas, los investigadores aprovecharon un algoritmo de IA entrenado con datos sintetizados de ruido caracterizado, lo que eliminó la necesidad de capturar muestras de entrenamiento experimental. Fundamentalmente, es capaz de operar con los tiempos de exposición más cortos necesarios para obtener imágenes en tiempo real, explicó la coautora Prasanna Rangarajan.

“En comparación con otros enfoques para imágenes sin línea de visión, nuestro algoritmo de aprendizaje profundo es mucho más sólido”, dijo Rangarajan.

Los investigadores probaron su técnica intentando reconstruir imágenes de letras y números de 1 centímetro de alto escondidos detrás de una esquina a 1 metro de una pared. Utilizando una duración de exposición de un cuarto de segundo, el enfoque produjo reconstrucciones con una resolución de 300 micrones, o alrededor de 0,01 pulgadas.

Los investigadores señalan que el sistema se desarrolló como parte del Revolucionary Enhancement of Visibility by Exploiting Active Light-fields (REVEAL) de la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU., un programa que busca fomentar el desarrollo de tecnologías para obtener imágenes de objetos alrededor de las esquinas. Dicen que podría combinarse con otros sistemas de imágenes que produzcan reconstrucciones del tamaño de una habitación de baja resolución, lo que podría permitir que los futuros automóviles sin conductor "miren" alrededor de vehículos estacionados o intersecciones concurridas o ayudar a los satélites y naves espaciales a capturar imágenes de las cuevas de los asteroides.

Los investigadores dejan para el trabajo futuro hacer que el sistema sea práctico para más aplicaciones al extender el campo de visión para que pueda reconstruir objetos más grandes.