从达盖尔摄影法的诞生到数字相机的广泛应用,人类捕捉光的过程经历了漫长而深刻的变革。
传统的相机技术仍受限于静态图像的捕捉,无法有效表达光的高速变化过程。
在这个背景下,北京大学计算机学院的黄铁军教授团队取得了重大突破,发明了一种颠覆传统相机快门曝光原理的新技术——脉冲连续摄影原理。
这一技术不仅抓住了光,更记录了光的飞行过程,推翻了沿用近两个世纪的图像和视频概念,是一项从0到1的重大原始创新。
脉冲相机技术的核心在于以超高速连续脉冲流逼近光的连续变化过程。
这项技术模拟灵长类视网膜编码原理,每个像素独立将光信号转换成比特流,一个脉冲对应一组光子,脉冲宽度的倒数对应光强。
这意味着脉冲相机能够准确完整地记录光的时空变化过程。
测试表明,脉冲相机能够清晰拍摄高铁会车的场景,以及记录高超声速风洞实验中激波的形成和变化过程。
在今年5月,脉冲连续摄影原理和相机在第49届日内瓦国际发明展上获得最高级别的评审团嘉许金奖。
为了让更多的用户能够充分利用脉冲相机,北京大学团队建立了SpikeCV开源平台。
这个平台提供了各种超高速场景数据集、硬件接口和易于使用的模块库,为脉冲相机和使用者之间架起了一座桥梁。
SpikeCV专注于封装脉冲数据、标准化数据集接口、模块化视觉任务以及挑战性场景的实时应用。
它可以作为一个Python库,满足大多数研究者在数值分析方面的需求。
自动驾驶汽车的感知系统在很大程度上依赖于视觉相机。
传统相机成像原理在自动驾驶场景中应用存在一些问题,如数据采样冗余大、动态范围小和时间分辨率低等。
而脉冲相机在适应极端环境能力方面存在感知优势,能够较好地恢复挑战性驾驶场景的高清、高动态影像。
利用脉冲相机的成像特点,可以辅助高速驾驶场景中的视觉感知。
未来,脉冲相机的应用将不仅仅局限于现有的二维成像,它将进一步拓展到更高维度的感知领域。
与其他传感器数据相结合,提供更加全面的视觉解决方案。
随着脉冲相机采样连续的优点的发挥,团队已经能够基于脉冲相机做一款针对自动驾驶领域棘手场景的系统,实现见所未见,超敏感知。
模拟生物神经系统和生物智能是实现智能生命技术路线的重要途径之一。
人脑是一个黑箱系统,我们所了解的是其中很有限的部分。
黄铁军教授及其团队通过模拟视网膜内的信号变换过程,追求黑箱透明化的科学目标。
一篇题为《通过卷积循环神经网络揭示对动态自然刺激的神经编码》的本文提出了一个基于卷积循环神经网络的视网膜编码模型,为设计新一代脉冲视觉模型、芯片乃至研制视网膜假体提供了重要启示。
脉冲相机技术的出现不仅改变了机器如何看待世界,也改变了我们对机器视觉的理解方式。
通过结合类脑计算,它能够在复杂环境中高效工作,而不依赖高耗能的计算资源。
这个领域的研究者们不仅提供了锤子(脉冲相机),还制造了钉子(应用场景),他们的愿景是打开前所未见的视觉新世界。
本文地址: https://www.gosl.cn/hlzxwz/95b5ed7db7a19fdad81e.html
上一篇:可口可乐携手可灵展现创新力量...