密歇根大学 2021年1月27日，一个基于石墨烯的透明光电探测器阵列(在相机中充当两层传感器)通过将绿色激光束聚焦到位于密歇根州安娜堡北校园的泰德·诺里斯实验室内透镜前的一个小点上，来测量点对象的焦堆图像
诺里斯和他的团队制作了一个玻璃上带有石墨烯的透明光电探测器阵列的原型，并使用了两个稍微分开的探测器阵列，位于成像透镜后面，以展示其在3D对象跟踪任务中的潜在应用
有了这个原型的应用，这将有助于自动驾驶和机器人学，响应移动的物体，这需要它们的感知单元不仅获得它们是什么，而且实时获得它们在哪里和多远
学分:罗伯特·科利厄斯/密歇根工程、通信和营销 密歇根大学开发的一种新的实时3D运动跟踪系统将透明光探测器与先进的神经网络方法相结合，创造了一种有朝一日可能取代自主技术中的激光雷达和摄像机的系统
虽然这项技术仍处于起步阶段，但未来的应用包括自动化制造、生物医学成像和自动驾驶
一篇关于该系统的论文发表在《自然通讯》上
该成像系统利用了透明、纳米级、高灵敏度石墨烯光电探测器的优势，这些光电探测器是由电气与计算机工程副教授钟及其团队开发的
他们被认为是同类中的第一个
“石墨烯纳米器件和机器学习算法的深度结合可以在科学和技术领域带来迷人的机遇，”电气和计算机工程专业的博士生张德惠说
“与其他几种解决方案相比，我们的系统结合了计算效率、快速跟踪速度、紧凑的硬件和较低的成本
" 这项工作中的石墨烯光电探测器经过调整，只吸收了10%的光线，使其几乎透明
因为石墨烯对光非常敏感，这足以生成可以通过计算成像重建的图像
光电探测器相互堆叠，形成一个紧凑的系统，每一层都聚焦在不同的焦平面上，从而实现3D成像
但是3D成像只是开始
该团队还解决了实时运动跟踪问题，这对广泛的自主机器人应用至关重要
为此，他们需要一种方法来确定被跟踪对象的位置和方向
研究人员说，典型的方法包括激光雷达系统和光场相机，两者都有很大的局限性
其他人使用超材料或多个摄像头
单靠硬件不足以产生预期的结果
他们还需要深度学习算法
帮助连接这两个世界的是电气和计算机工程专业的博士生许珍
他建立了光学装置，并与团队合作，使神经网络能够破译位置信息
2021年1月27日，一个基于石墨烯的透明光电探测器阵列(在相机中充当两层传感器)通过将绿色激光束聚焦到位于密歇根州安娜堡北校园的泰德·诺里斯实验室内透镜前的一个小点上，来测量点对象的焦堆图像
诺里斯和他的团队制作了一个玻璃上带有石墨烯的透明光电探测器阵列的原型，并使用了两个稍微分开的探测器阵列，位于成像透镜后面，以展示其在3D对象跟踪任务中的潜在应用
有了这个原型的应用，这将有助于自动驾驶和机器人学，响应移动的物体，这需要它们的感知单元不仅获得它们是什么，而且实时获得它们在哪里和多远
学分:罗伯特·科利厄斯/密歇根工程、通信和营销 神经网络被训练为在整个场景中搜索特定的对象，然后只关注感兴趣的对象，例如，交通中的行人，或者在高速公路上进入车道的对象
这项技术特别适用于稳定的系统，例如自动化制造，或者为医疗团体以3D方式投影人体结构
“训练你的神经网络需要时间，”项目负责人、电子和计算机工程教授泰德·诺里斯说
“但一旦完成，就完成了
所以当相机看到某个场景时，它可以在几毫秒内给出答案
" 博士生黄征宇领导了神经网络的算法设计
该团队开发的算法类型不同于用于x光和核磁共振成像等长期成像技术的传统信号处理算法
这让团队的共同领导者杰弗里·费斯勒感到兴奋，他是电子和计算机工程教授，专门研究医学成像
费斯勒说:“在我在密歇根的30年里，这是我参与的第一个技术处于初级阶段的项目。”
“我们离你要在百思买买买的东西还有很长的路要走，但没关系
这是令人兴奋的部分原因
" 该团队展示了成功跟踪一束光，以及一个真正的瓢虫与两个4x4 (16像素)石墨烯光电探测器阵列的堆叠
他们也证明了他们的技术是可扩展的
他们认为，在一些实际应用中，它只需要4000像素，而在更多的应用中，需要400x600像素的阵列
虽然这项技术可以用于其他材料，石墨烯的额外优势是它不需要人工照明，而且对环境友好
研究人员说，建立大规模生产所需的制造基础设施将是一项挑战，但这可能是值得的
诺里斯说:“石墨烯现在就像1960年的硅一样。”
“随着我们继续开发这项技术，它可以激发商业化所需的投资
" 论文题目是“基于神经网络的石墨烯透明焦堆成像系统三维跟踪”
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
