光学成像技术，例如光检测和测距（LiDAR），是机器人视觉和自动驾驶中必不可少的工具。但是，散射的存在对我们在雾，雨，灰尘或大气中成像的能力构成了根本限制。

通过散射介质成像的常规方法是在微观尺度上运行，或者需要3D成像的目标位置的先验知识。斯坦福大学最新论文《Three－dimensional imaging through scattering media based on confocal diffuse tomography》，介绍了一种共同设计单光子雪崩二极管，超快脉冲激光器的技术，以及一种通过散射介质捕获3D形状的新逆方法。证明了在宏观尺度上隐藏在厚散射体后面的物体的形状和位置的获取，实现共聚焦扩散层析成像。

内容

散射是对所有光学成像系统都设置基本限制的物理过程。例如，光检测和测距（LiDAR）系统对于汽车，水下和空中飞行器感知和理解其周围3D环境至关重要。但是，当前的LiDAR系统在不利条件下会失效，在这些条件下，云，雾，灰尘，雨水或浑浊的水会导致散射。

斯坦福大学电气工程学助理教授，该论文的高级作者戈登·韦茨斯坦说：“许多成像技术使图像看起来更好一些，噪声也更少了，但这确实是我们使不可见的东西变得可见。”

该技术是对其他视觉系统的补充，这些视觉系统可以穿透微观尺度的障碍物，例如在有雾或大雨中驾驶自动驾驶汽车，以及对地面的卫星成像地球和其他行星通过朦胧的大气层。

对散射光进行监督

为了看清沿各个方向散射光的环境，该系统将激光器与超灵敏的光子检测器配对，该检测器记录击中它的每一个激光。当激光扫描障碍物（如泡沫壁）时，部分光子将设法穿过泡沫，击中隐藏在其后的物体，然后再通过泡沫返回检测器。由算法支持的软件使用这几个光子以及有关它们在何处以及何时撞击探测器的信息，以3D形式重构隐藏的对象。

这不是第一个具有通过散射环境显示隐藏对象能力的系统，但是它规避了与其他技术相关的限制。同样常见的是，这些系统仅使用来自弹道光子的信息，这些光子是通过散射场往返于隐藏对象的光子，但实际上并没有沿散射路径传播。

论文的主要作者，电气工程专业的研究生戴维·林德尔说：“我们希望能够在没有这些假设的情况下通过散射介质成像，并收集所有散射的光子来重建图像。” “这使我们的系统特别适用于弹道光子极少的大规模应用。”

为了使他们的算法适合于散射的复杂性，研究人员不得不紧密地共同设计他们的硬件和软件，尽管他们使用的硬件组件仅比目前在自动驾驶汽车中使用的硬件组件稍微先进一些。根据隐藏对象的亮度，对其测试进行扫描需要花费一分钟到一小时不等的时间，但是该算法可以实时重建被遮挡的场景，并且可以在便携式计算机上运行。

Lindell说：“您无法用自己的眼睛看透泡沫，甚至只是看检测器上的光子测量结果，也看不到任何东西。” “但是，只有少数几个光子，重建算法才能曝光这些物体－您不仅可以看到它们的外观，还可以看到它们在3D空间中的位置。”