斯坦福大学（Stanford University）研究人员研发了一个摄像头系统，该系统基于该团队此前研发的拐角摄像头而打造，可从更多表面捕捉更多光线，而且视野更宽更远、而且速度非常快，能够监控到人眼看不到的运动。研究人员希望，有朝一日，该超级视觉系统可以帮助自动驾驶汽车和机器人，让它们比人类运行时更安全。

在研究过程中，研究人员穿上了一件显眼的运动服，在空荡荡的房间内伸展身体、踱步、跳跃，而其他研究人员能够通过一个对准着一堵墙的摄像头观看到该研究员的一举一动。原因在于，在肉眼看不到的情况下，一个大功率激光器对该研究人员进行了扫描，而扫描之后反射回墙壁上的单个光粒子被摄像头的先进传感器和处理算法捕捉，随后重建了该研究人员的一举一动。

研究人员表示，保持新系统的实用性是重中之重，因此他们选择的硬件、扫描和图像处理速度以及图像的风格已经在自动驾驶汽车视觉系统中很常见。之前，查看在摄像头视线以外的场景的系统需要依赖能够均匀或强烈反射光线的物体，但是现实世界中物体，如闪亮的汽车并不在此类物体范畴内，因此，新研发的系统可以处理从迪斯科球、书籍或纹理复杂的雕像等各种物体表面反射的光线。

此次研发的系统与一年前的系统相比，发射的激光强了1万倍。该激光器能够扫描兴趣场景（scene of interest）对面的墙壁，光线从墙上反射回来，击中场景中的物体，再反弹回墙壁和摄像头传感器。当该激光返回至摄像头时，只剩下各个小点，但是该传感器能够捕捉每一个小点，并将小点发送给高效算法，解开反射回来的光线，解读隐藏的画面。

该系统能够以每秒4帧的速度进行扫描，在配备图形处理单元（GPU）的计算机上，能够以每秒60帧的速度重建场景，增强了图像处理能力。为了提升算法，该团队借鉴了地震成像系统的知识。地震成像系统能够从地下反射声波，以了解地表之下的情况，而且研究人员还重新配置了该算法，将反射光解读成隐藏物体反射回来的“波”，因而在同样高速和低内存的条件下，该系统的能力得以提升，能够看到包含各种物体的大型场景。

对于该团队来说，能够从原本不可见的反射光线，看到角落里面物体的实时运动非常激动。但是，如果要将该系统应用于自动驾驶或机器人，则需要进一步改进。

该团队希望能够在自动驾驶研究车上测试该视觉系统，同时研究其他可能的应用，如能够透视组织的医学成像。除了提高速度和分辨率之外，研究人员还致力于提高该系统的通用性，以帮助驾驶员解决各种具挑战性的视觉环境，如雾、雨、沙尘暴和雪等天气。