（由Giovanni Calcerano撰写）麻省理工学院的一组研究人员开发了一种系统，即使在浓雾中，即使人眼无法穿透它，它也能够产生被雾笼罩的物体的图像。 相同的系统还能够测量物体相对于参考点（例如移动的汽车）的距离。 通过这种方式，希望获得一种集成模块，该模块可以帮助人类驾驶员，并且即使在雾天和低能见度条件下，也可以自动驾驶。
研究人员使用浸入加湿器的小水箱测试系统。 获得的雾只允许人类视力只有36厘米。 该系统能够识别达到57厘米深度的物体的图像。
这个值当然不能代表很远的距离，但是研究产生的雾气比驾驶员通常要面对的浓得多。 在现实世界中，典型条件将允许约30至50米的能见度。 麻省理工学院媒体实验室研究员，开发团队的负责人盖伊·萨塔特（Guy Satat）说：“我决定开发一个可以穿透雾气的系统的挑战，我知道这不是一个容易的挑战。” “我们正在处理现实情况，在这种情况下，雾是动态且不均匀的，并且在不断移动和变化的情况下，区域变得更加密集和密度较小。 其他方法并非旨在应对此类情况”。
新系统使用的摄像头可以发射超短脉冲激光，并测量反射光线返回所需的时间。 在晴朗的日子里，光忠实地返回仪表所花费的时间表明到反射镜的物体的距离。 但是雾会导致光线“散射”或随机反弹。 到达相机传感器的大部分光线将被空气中的水滴反射，而不是被车辆必须避免的各种物体反射。
MIT系统通过使用统计分析来解决此问题。 实际上，研究人员能够证明，无论雾的密度如何，反射光的返回时间都遵循称为Gamma分布的统计模式。 系统估计参数以构造此分布曲线，并使用它来过滤来自到达相机传感器的光信号的雾反射。
基本上，系统为每个传感器的1.024像素计算不同的分布。 这就是为什么它能够处理，使代替很少使用当前系统的密度变化：它实际上是能够适应每个像素看到不同类型的雾的情况。
“很棒的事情很简单，” Satat说。 “如果分析该方法，您会意识到它并不十分复杂。 此外，该系统不需要任何有关雾及其密度的先验知识，这有助于在最宽的雾条件下工作。”
Satat和他的同事们将在5月份的国际计算摄影会议上的文件中详细描述他们的系统。 Satat是参加了工作，从他的论文指导老师，媒体艺术和科学拉梅什·拉斯卡尔和马修Tancik，一名研究生在电气工程和计算机工程副教授。