自动驾驶技术让你更自信的吃鸡

视线遮挡一直是自动驾驶很难攻克的问题。Occlusion，也就是视线遮挡，主要指因为建筑物、障碍物或是其他车辆遮挡视线，导致汽车无法做出最佳决策。在车辆转弯时候尤为常见。

大家在玩吃鸡的时候，都需要找遮挡物。子弹就好像自动驾驶车的雷达波束，只能到达直线以内的范围。障碍物后面的敌人就没办法打到了。

有什么办法能让你看穿遮挡物，做到提前预判呢？斯坦福大学和麻省理工各有各的方法，都可以用于自动驾驶。我们一起来看看。

非线性图像识别 - 斯坦福大学

斯坦福图像识别组这周刚刚在Nature发表了一篇论文“Confocal non-line-of-sight imaging based on the light-cone transform”，提出非线性图像识别技术（Non-line-of-sight imaging）

首先，把雷达放在一个光子探测仪旁边。雷达发出波束，就像普通自动驾驶车一样。波束接触到墙面，就会散发出余光。假设图片里的右下角的兔子是我们需要探测到的行人。

普通自动驾驶车只会看波束返回时间，也就是到P点的时间，从而计算与自动驾驶车的距离。但是这次我们要看波束弹射出的余光。光子探测仪会捕捉这些余光。波束虽然没有直接照在那只兔子上，但余光会按照一定顺序弹在其他表面上。

将所有余光集中在一起，排除那些直接反射回的光束，剩下的就是来自遮挡物的。由此就可以还原出目标物体的3D原型。现在的计算过程只需要1秒钟，但是还不够高效，现实驾驶环境需要司机在0.5秒内做出反应。

眼神会转弯的摄像头 - 麻省理工

看过了雷达技术，我们再来看看自动驾驶车另一大传感器：摄像头。不知大家有没有留心观察过墙角的光线变化。肉眼大概能看出有一些深浅的区别。

麻省理工Media Lab最新研究出一种颜色处理方式。通过处理图像，加强颜色差，不停变化颜色，就可以得到一连串的单向光线图像。

假设现在墙后面有两个行人，一个穿蓝色，一个穿红色，蓝色衣服的人正在超过红色衣服的人。我们看到的成像就会是这样的。

原理很简单。被遮挡的人虽然我们无法直接看到，但是他们还是会反射一部分光。红色衣服的人和蓝色衣服的人会有重叠的地方。通过一段时间观察，绘制光线图，就可以分析出有几个物体在重叠。

这些发明除了自动驾驶也可用于其他领域，比如自然灾害后的搜救、医学成像、航天、安保监控等等。