일반적인 카메라에 3D 기능을 제공하는 새로운 접근 방식이 있습니다.

독서 시간 아이콘 4 분. 읽다


독자들은 MSpoweruser를 지원하는 데 도움을 줍니다. 당사의 링크를 통해 구매하시면 수수료를 받을 수 있습니다. 툴팁 아이콘

공개 페이지를 읽고 MSPoweruser가 편집팀을 유지하는 데 어떻게 도움을 줄 수 있는지 알아보세요. 자세히 보기

스탠포드 대학의 연구원들이 만든 실험실 기반 프로토타입 라이더 시스템
연구원들은 상업적으로 이용 가능한 디지털 카메라를 수용체로 사용하여 실험실 벤치에 프로토타입 라이더 시스템을 구축함으로써 이 기술을 시도했습니다. 팀의 보고서에 따르면 새로운 시스템은 메가픽셀 해상도의 깊이 지도를 생성할 수 있었습니다.

스탠포드 대학의 연구원 팀은 LINQS(통합 나노 양자 시스템 연구소)와 ArbabianLab 간의 협력을 통해 미래의 카메라가 3D로 볼 수 있도록 하는 방법을 고안했습니다(특히 빛을 볼 수 있음). XNUMX차원으로). 이 프로젝트는 오늘날 빛 감지 및 거리 측정(LiDAR 또는 라이더) 시스템이 크기 때문에 불편하다는 팀의 지적으로 시작되었습니다.

"기존의 라이더 시스템은 크고 부피가 크지만 언젠가 수백만 대의 자율 드론이나 경량 로봇 차량에서 라이더 기능을 원한다면 매우 작고 에너지 효율적이며 고성능을 제공하기를 원할 것입니다." 첫 번째 저자인 Okan Atalar는 말했습니다. 새 용지 Nature Communications 저널 및 Stanford에서 전기 공학 박사 후보.

그런 다음 팀은 더 에너지 효율적이고(lidar가 사용하는 구성 요소의 크기와 수로 인해 너무 많은 전력을 소비할 수 있기 때문에) 소형 장치를 만들었습니다. 카메라 일상적인 휴대폰과 디지털 SLR. 이 연구는 기본적으로 음향 공명 현상에 의존합니다. 전기적, 음향적, 광학적 특성으로 완벽한 소재라고 불리는 니오브산리튬의 얇은 웨이퍼 사용을 소개한다.

니오브산리튬은 단순한 음향 변조기로 두 개의 투명 전극으로 코팅되어 있습니다. 기술적으로, 상기 음향 변조기의 전극을 통해 전기가 사용될 때, 진동은 매우 예측 가능하고 제어 가능한 주파수에서 효율적으로 발생합니다. 그러면 리튬 니오베이트가 빛을 변조하는 반면 몇 개의 편광판을 추가하면 초당 수백만 번 빛을 켜고 끌 수 있습니다.

이 프로세스는 필수적이며 표준 센서에 3D 이미징을 추가하는 알려진 접근 방식 중 하나입니다. 라이더와 마찬가지로 이 프로세스는 빛의 변화를 측정하고 거리를 계산하는 데 효과적으로 도움이 됩니다. 그리고 말했듯이, 다른 시스템에서 발견되는 기존 변조기는 높은 에너지 소비를 가질 수 있으며 이는 비현실적입니다. 그러나 연구원들이 제시한 접근 방식을 통해 전화 및 드론에 장착된 것과 같은 소형 카메라에 3D 이미징을 도입할 가능성이 있습니다. 연구원들에 따르면 이는 향후 '표준 CMOS 라이더'의 기반이 될 수 있다. (CMOS 이미지 센서는 스마트폰에서 거의 보편적으로 사용됩니다).

"게다가 웨이퍼와 전극의 기하학적 구조는 광 변조의 주파수를 정의하므로 주파수를 미세 조정할 수 있습니다."라고 Atalar는 덧붙였습니다. Atalar는 "지오메트리를 변경하고 변조 주파수를 변경합니다. 조명을 켜고 끄는 다른 방법이 있지만 이 음향 방식은 에너지 효율성이 매우 높기 때문에 선호합니다."라고 말합니다.

연구원들은 상업적으로 이용 가능한 디지털 카메라를 수용체로 사용하여 실험실 벤치에 프로토타입 라이더 시스템을 구축함으로써 이 기술을 시도했습니다. 팀의 보고서에 따르면 새로운 시스템은 메가픽셀 해상도의 깊이 지도를 생성할 수 있었습니다. 또한 연구팀이 만든 광변조기는 믿을 수 없을 정도로 적은 양의 전력만 소모하며 논문에서 제시한 것보다 10배나 더 감소했다고 밝혔다. 

이를 통해 기술이 필요한 지원을 받으면 새로운 가능성을 열 수 있습니다. 스마트 폰 시장 및 훨씬 더. 또한 표준 전문가용 카메라, 드론, 태블릿, 노트북, 그리고 더. 캡처한 이미지에서 더 자세한 정보를 얻는 것과 같이 다양한 방식으로 우리를 도울 수 있는 추가 기능 및 기능을 의미할 수 있습니다. 연구원들은 메가픽셀 해상도의 라이다를 통해 시스템이 보다 우수한 범위에서 효율적으로 표적을 식별하는 것이 더 쉬울 것이라고 말합니다. 예를 들어, 자율주행차에 사용될 경우 개선된 라이다 시스템은 상당한 거리에서 보행자와 자전거 이용자를 구별할 수 있어 사고를 예방하는 더 나은 시스템이 된다.