目前大部分自动驾驶导航系统在识别周边的环境和物体时，都是使用相机和传感器等捕捉感知到的可见光经过各种光学原理所生成的图像和视频。其实从仿生学角度讲，这种方式正是模仿了人类的双眼及大脑的工作原理，但也正因为此，目前普遍的自动驾驶导航系统在难倒人类驾驶员的浓雾可见度低时也束手无策。

为了解决这个问题，麻省理工学院的研究人员GuySatat，RameshRaskar和Matthew Tancik研发了一种全新的基于激光的成像系统，即使在浓雾中利用激光可以也能准确计算车辆与前方物体的距离。这一系统将会在今年5月在匹兹堡举行的计算摄影国际大会上正式发布，主要原理是，该系统使用从照相机中发射出的短脉冲激光及其从前方物体反射回的反射时间来计算与前方物体的距离。

图 | MIT对比两种识别解决方案

当天气很好，激光波被发射与反射的路径都十分清晰单一，利用反射时间计算与物体距离的方法是非常准确的。但是当前方有浓雾时，由无数悬在空中的微小水滴组成的雾会把激光在发射与反射过程中向各种方向散射出去。因此，被散射而中断过的激光脉冲最终会以与晴朗天气中不同的反射时间返回到相机，因此仅仅依赖于反射时间信息计算的距离是不完全准确的。

为了解决这个问题，麻省理工学院的研究人员说他们已经开发出了一种新的处理算法——他们发现，无论雾可能有多厚，散射激光的反射时间总是遵循一个非常具体的分布模式。当摄像机以每兆分之一秒的频率计算返回到传感器的光子数量，并把这些结果绘制成图时，系统可以应用特定的数学滤波器来找出数据尖峰，从而得到准确的隐藏在雾中的实际物体的距离。

研究人员在麻省理工学院的实验室里制作了极其浓的雾来对成像系统进行测试。在这个充满浓雾的长约1米的小房间里，该成像系统能够清晰地看到的物体的距离比人眼可以看到的要多足足21厘米。可以设想，当放大还原到现实世界的尺寸和条件时，雾的浓度肯定不会像研究人员人为创造的那么厚重，该系统将能够看到足够远的前方道路的物体，并让车辆有足够的时间作出安全的反应来避免危险。