3D-Bewegungsverfolgungssystem für autonome Technologie

Ein Echtzeit-3D-Bewegungsverfolgungssystem kombiniert transparente Lichtdetektoren mit fortschrittlichen neuronalen Netzwerkmethoden, um ein System zu schaffen, das eines Tages LiDAR und Kameras in autonomen Technologien ersetzen könnte. Das Bildgebungssystem nutzt die Vorteile transparenter, hochempfindlicher Graphen-Fotodetektoren im Nanomaßstab.

Die Graphen-Fotodetektoren wurden so optimiert, dass sie nur etwa 10 % des Lichts absorbieren, dem sie ausgesetzt sind, wodurch sie nahezu transparent werden. Da Graphen so lichtempfindlich ist, reicht dies aus, um Bilder zu erzeugen, die durch Computerbildgebung rekonstruiert werden können. Die Fotodetektoren sind hintereinander gestapelt, was zu einem kompakten System führt, und jede Schicht fokussiert auf eine andere Fokusebene, was eine 3D-Bildgebung ermöglicht.

Das Team befasste sich auch mit der Echtzeit-Bewegungsverfolgung, die für eine Vielzahl autonomer Roboteranwendungen von entscheidender Bedeutung ist. Dazu brauchten sie eine Möglichkeit, die Position und Ausrichtung eines verfolgten Objekts zu bestimmen. Typische Ansätze umfassen LiDAR-Systeme und Lichtfeldkameras, die beide unter erheblichen Einschränkungen leiden. Andere verwenden Metamaterialien oder mehrere Kameras. Hardware allein reichte nicht aus, um die gewünschten Ergebnisse zu erzielen.

Das Team baute einen optischen Aufbau und aktivierte ein neuronales Netzwerk, um die Positionsinformationen zu entschlüsseln. Das neuronale Netz wird darauf trainiert, in der gesamten Szene nach bestimmten Objekten zu suchen und sich dann nur auf das interessierende Objekt zu konzentrieren; B. ein Fußgänger im Verkehr oder ein Objekt, das sich auf einer Autobahn auf Ihre Fahrspur bewegt. Die Technologie eignet sich besonders gut für stabile Systeme wie die automatisierte Fertigung oder die Projektion menschlicher Körperstrukturen in 3D für die medizinische Gemeinschaft.

Die Art der vom Team entwickelten Algorithmen unterscheidet sich von herkömmlichen Signalverarbeitungsalgorithmen, die für langjährige Bildgebungstechnologien wie Röntgen und MRT verwendet werden. Das Team demonstrierte Erfolge bei der Verfolgung eines Lichtstrahls sowie eines echten Marienkäfers mit einem Stapel aus zwei 4 × 4 (16-Pixel)-Graphen-Fotodetektor-Arrays. Sie bewiesen auch, dass ihre Technik skalierbar ist. Für einige praktische Anwendungen wären nur 4.000 Pixel und für viele weitere 400 × 600-Pixel-Arrays erforderlich.

Während die Technologie mit anderen Materialien verwendet werden könnte, sind zusätzliche Vorteile von Graphen, dass es keine künstliche Beleuchtung erfordert und umweltfreundlich ist.