Los investigadores del MIT han desarrollado un sistema que puede producir imágenes de objetos envueltos por una niebla tan espesa que la visión humana no puede penetrarla. También puede medir la distancia de los objetos.

La incapacidad para manejar condiciones de conducción neblinosas ha sido uno de los principales obstáculos para el desarrollo de sistemas de navegación vehicular autónomos que utilizan luz visible. que son preferibles a los sistemas basados ​​en radar por su alta resolución y capacidad para leer las señales de tráfico y los marcadores de carril. Entonces, el sistema MIT podría ser un paso crucial hacia los vehículos autónomos.

Los investigadores probaron el sistema usando un pequeño tanque de agua con el motor vibratorio de un humidificador sumergido en él. En una niebla tan densa que la visión humana sólo podía penetrar 36 centímetros, el sistema pudo resolver imágenes de objetos y medir su profundidad en un rango de 57 centímetros.

Cincuenta y siete centímetros no es una gran distancia, pero la niebla producida para el estudio es mucho más densa que la que tendría que enfrentarse un conductor humano; en el mundo real, una niebla típica puede ofrecer una visibilidad de unos 30 a 50 metros. El punto vital es que el sistema funcionó mejor que la visión humana, mientras que la mayoría de los sistemas de imágenes funcionan mucho peor. Un sistema de navegación que fuera tan bueno como un conductor humano para conducir en la niebla sería un gran avance.

"Decidí asumir el desafío de desarrollar un sistema que pueda ver a través de la niebla real, "dice Guy Satat, un estudiante de posgrado en el MIT Media Lab, quien dirigió la investigación. "Nos enfrentamos a una niebla realista, que es denso, dinámica, y heterogéneo. Se mueve y cambia constantemente, con parches de niebla más densa o menos densa. Otros métodos no están diseñados para hacer frente a escenarios tan realistas ".

Satat y sus colegas describen su sistema en un artículo que presentarán en la Conferencia Internacional sobre Fotografía Computacional en mayo. Satat es el primer autor del artículo, y lo acompaña su asesor de tesis, profesor asociado de artes y ciencias de los medios Ramesh Raskar, y por Matthew Tancik, quien era un estudiante de posgrado en ingeniería eléctrica e informática cuando se realizó el trabajo.

Jugando las probabilidades

Como muchos de los proyectos llevados a cabo en el Camera Culture Group de Raskar, el nuevo sistema utiliza una cámara de tiempo de vuelo, que dispara ráfagas ultracortas de luz láser en una escena y mide el tiempo que tardan sus reflejos en regresar.

En un día claro, El tiempo de retorno de la luz indica fielmente las distancias de los objetos que la reflejan. Pero la niebla hace que la luz "se disperse, "o rebotar de forma aleatoria. En tiempo de niebla, la mayor parte de la luz que llega al sensor de la cámara habrá sido reflejada por gotas de agua en el aire, no por los tipos de objetos que los vehículos autónomos deben evitar. E incluso la luz que se refleja de los posibles obstáculos llegará en diferentes momentos, habiendo sido desviado por gotas de agua tanto en el camino de salida como en el de regreso.

El sistema MIT soluciona este problema mediante el uso de estadísticas. Los patrones producidos por la luz reflejada por la niebla varían según la densidad de la niebla:En promedio, la luz penetra menos profundamente en una niebla espesa que en una niebla ligera. Pero los investigadores del MIT pudieron demostrar que, no importa lo densa que sea la niebla, los tiempos de llegada de la luz reflejada se adhieren a un patrón estadístico conocido como distribución gamma.

Las distribuciones gamma son algo más complejas que las distribuciones gaussianas, las distribuciones comunes que producen la curva de campana familiar:pueden ser asimétricas, y pueden adoptar una variedad más amplia de formas. Pero al igual que las distribuciones gaussianas, están completamente descritos por dos variables. El sistema MIT estima los valores de esas variables sobre la marcha y utiliza la distribución resultante para filtrar el reflejo de la niebla de la señal de luz que llega al sensor de la cámara de tiempo de vuelo.

Crucialmente, el sistema calcula una distribución gamma diferente para cada uno de los 1, 024 píxeles en el sensor. Es por eso que es capaz de manejar las variaciones en la densidad de la niebla que frustraron los sistemas anteriores:puede manejar circunstancias en las que cada píxel ve un tipo diferente de niebla.

Formas distintivas

La cámara cuenta el número de partículas de luz, o fotones, que la alcanzan cada 56 picosegundos, o billonésimas de segundo. El sistema MIT utiliza esos recuentos sin procesar para producir un histograma, esencialmente un gráfico de barras, con las alturas de las barras indicando los recuentos de fotones para cada intervalo. Luego, encuentra la distribución gamma que mejor se ajusta a la forma del gráfico de barras y simplemente resta los recuentos de fotones asociados de los totales medidos. Lo que queda son ligeros picos en las distancias que se correlacionan con obstáculos físicos.

"Lo bueno de esto es que es bastante simple, "Dice Satat." Si miras el cálculo y el método, sorprendentemente no es complejo. Tampoco necesitamos ningún conocimiento previo sobre la niebla y su densidad, lo que le ayuda a trabajar en una amplia gama de condiciones de niebla ".

Satat probó el sistema utilizando una cámara de niebla de un metro de largo. Dentro de la cámara montó marcadores de distancia regularmente espaciados, que proporcionó una medida aproximada de visibilidad. También colocó una serie de pequeños objetos:una figura de madera, bloques de madera, siluetas de letras, que el sistema podía imaginar incluso cuando eran imperceptibles a simple vista.

Hay diferentes formas de medir la visibilidad, sin embargo:los objetos con diferentes colores y texturas son visibles a través de la niebla a diferentes distancias. Entonces, para evaluar el rendimiento del sistema, usó una métrica más rigurosa llamada profundidad óptica, que describe la cantidad de luz que penetra en la niebla.

La profundidad óptica es independiente de la distancia, por lo que el rendimiento del sistema en niebla que tiene una profundidad óptica particular en un rango de 1 metro debería ser un buen predictor de su rendimiento en niebla que tiene la misma profundidad óptica en un rango de 30 metros. De hecho, el sistema puede funcionar incluso mejor a distancias más largas, ya que las diferencias entre los tiempos de llegada de los fotones serán mayores, lo que podría generar histogramas más precisos.

"El mal tiempo es uno de los grandes obstáculos que quedan por resolver para la tecnología de conducción autónoma, "dice Srinivasa Narasimhan, profesor de informática en la Universidad Carnegie Mellon. "El trabajo innovador de Guy y Ramesh produce la mejor mejora de visibilidad que he visto en longitudes de onda visibles o infrarrojas cercanas y tiene el potencial de implementarse en automóviles muy pronto".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.