Autonominen auto kulkee mutkittelevaa kylätietä pitkin. Kuskiton, tekoälyn ohjastama kulkupeli on tekemässä tiukan käännöksen oikealle. Samaan aikaan jyrkän kulman takana odottavalle tielle pyörähtää lapsen pallo.

Vaikka autossa matkustajana oleva henkilö ei näe kulman taakse ilmestynyttä palloa, auto näkee ja pysähtyy samalla hetkellä. Konenäkö kykeni havaitsemaan ylimääräisen objektin ennakkoon siihen asennetun erittäin herkän laserjärjestelmän ansiosta. Järjestelmä käyttää kulman läheisyydessä olevien objektien heijastuksia hyväkseen.

Kyseinen hahmotelma on vain yksi monista, joita yhdysvaltalaisen Stanfordin yliopiston tutkijat ovat visioineet. Tutkijat ovat kehitelleet  teknologiaa, joka voi tuottaa kuvia esineistä, joita ei pysty näkemään niiden sijainnista johtuen. Kulman taakse näkevä laite istuisikin loistavasti juuri itseohjautuviin autoihin, joissa on jo laserpohjaisia järjestelmiä, jotka tunnistavat auton ympärillä olevia objekteja.

Kalifornian osavaltiossa sijaitsevan Stanfordin yliopiston tutkijat ovat nyt visiointinsa lisäksi onnistuneet luomaan alkukantaisen version nurkan taakse näkevästä C-NLOS (confocal non-line-of-sight) -kuvantamisjärjestelmästä.

Järjestelmää sekä sen kehitystyötä ja mahdollisuuksia käsittelevä tutkimus julkistettiin Nature-tiedejulkaisussa. Tutkijoiden saavutuksista uutisoi EurekAlert-sivusto.

”Se kuulostaa taikuudelta, mutta idea esteellisen näköyhteyden kuvantamisesta on itse asiassa toteuttamiskelpoinen”, totesi kehitystyössä mukana oleva Stanfordin yliopiston apulaisprofessori Gordon Wetzstein yliopiston lehdistötiedotteessa.

Stanfordin kolmihenkinen tutkijaryhmä ei suinkaan ole ainoa seurue, joka kehittelee menetelmiä laserien pompottamiseksi nurkkien taakse, jotta silmien ulottumattomissa sijaitsevista kohteista saataisiin kuvia.

C-NLOS-järjestelmän prototyypin perustukset piilevät laajalti Stanfordin tutkijoiden kehittämässä äärimmäisen tehokkaassa prosessointialgoritmissa.

”Oleellinen haaste esteellisen näköyhteyden kuvantamisessa on tehokkaan menettelytavan keksiminen piilossa olevan esineen kolmiulotteisen rakenteen palauttamisessa sekavista mittaustuloksista”, kertoi projektissa mukana ollut Stanfordin yliopiston jatko-opiskelija David Lindell yliopiston lehdistötiedotteessa.

Tutkijat asettavat prototyyppiasetelmassaan laserin herkän fotonitunnistimen viereen. Tunnistin pystyy taltioimaan yhdenkin yksinäisen valohiukkasen.

Asettelun jälkeen tutkijat suuntaavat ihmissilmälle näkymättömiä laservalosykähdyksiä kohti seinää. Sykähdykset osuvat myös nurkan takana oleviin esineisiin ja kimpoavat takaisin tunnistimeen seinän kautta. Tähän operaatioon voi upota parhaimmillaan tunti ja minimissään kaksi minuuttia riippuen olosuhteista, kuten valaistuksesta tai nurkan takana olevan esineen heijastuskyvystä.

Kun skannaus on suoritettu, tutkijoiden algoritmi selvittää fotonitunnistimen nappaamien valohiukkasten eli laservalosykähdyksien etenemisreitin mallintamalla sen valokartiotekniikalla (light cone transform, LCT). Etenemisreitin ollessa selvillä algoritmi rakentaa terävän kuvan epämääräisestä valohiukkasverhosta. Tuosta kohennetusta kuvasta paljastuu kulman takana piileskelevä esine.

Mallinnustyöhön menee tavanomaiseen läppäriin syötetyltä algoritimilta vain alle sekunti. Tutkijat uskovat, että mallinnusprosessia voidaan vauhdittaa vielä nykyisestä.

Tutkijaryhmä jatkaa järjestelmän kehittelyä, jotta se pystyy käsittelemään oikean maailman vaihtelevuutta ja kykenee nopeampaan skannaukseen. Muun muassa etäisyys esineeseen sekä ympäristövalaistuksen määrä voivat tehdä palaavien valohiukkasten havaitsemisesta laitteille vaikeampaa.

C-NLOS-tekniikka nojaa vahvasti siroutuneiden valohiukkasten analysointiin. Autonomisten autojen neuroverkkojen lidar-tutkat taas sivuuttavat siroutuneet hiukkaset tarkoituksella.

”Uskomme, että laskennallinen algoritmi on jo valmiina lidar-järjestelmille. Ratkaiseva kysymys onkin se, tukeeko nykyinen lidar-järjestelmien laitteisto tämänkaltaista kuvantamista”, tuumi projektissa mukana ollut Stanfordin yliopiston jatkotutkija Matthew O’Toole yliopiston lehdistötiedotteessa.

Ennen kuin järjestelmä on liikennevalmis, pitää sen pystyä myös työskentelemään nykyistä paremmin päivänvalossa ja liikkuvien objektien kanssa, joita voivat olla vaikka pomppiva pallo tai juokseva lapsi.

Tutkijat pääsivät jo kokeilemaan järjestelmää ulkoilmaan onnistuneesti, mutta vain epäsuoraa valoa oli tarjolla.

Tekniikka toimi erityisen hyvin etenkin peiliheijastavien kohteiden, kuten heijastinvaatteiden ja liikennemerkkien tunnistamisessa.

Jos järjestelmä asennettaisiin autoon nyt, auto tunnistaisi tutkijoiden mukaan vaivatta esimerkiksi nurkan takana siintäviä liikennemerkkejä, heijastinliivejä sekä tiemerkintöjä. Ongelmia voisi kuitenkin ilmaantua heijastamattomia vaatteita yllään pitävien jalankulkijoiden tai pyöräilijöiden kohdalla.

Autonomisten autojen lisäksi järjestelmän muina käyttökohteina voisivat olla esimerkiksi pelastus- ja etsintätehtävät. Etsittäessä henkilöä tiheästä metsästä erämaassa helikopterista käsin ei puiden lehvästö olisi enää etsintöjä hidastava tekijä, kun sen lävitse nähtäisiin. Maanjäristyksessä sortuneesta rakennuksesta ihmisiä pelastettaessa voisi laitetta soveltaa romahtaneiden seinien sekä kivimurskakasojen lävitse näkemiseen.

Katso kuvantamisjärjestelmän esittelyvideo alta!