（作者：Giovanni Calcerano）麻省理工學院（麻省理工學院）的一組研究人員開發了一種系統，能夠生成被霧包圍的物體的圖像，即使霧非常濃，人類的視覺無法穿透它。 同一系統還能夠測量物體相對於參考點（例如移動的汽車）的距離。 通過這種方式，希望獲得一個集成模塊，可以幫助人類駕駛員，同樣可以在霧天和能見度低的情況下實現自動駕駛。
研究人員使用一個小水箱測試了該系統，水箱中浸有加濕器。 獲得的霧只能讓人類的視野只有36厘米。 相反，該系統能夠識別深度達 57 厘米的物體圖像。
這個值當然並不代表很遠的距離，但研究產生的霧比人類駕駛員通常必須處理的霧要濃得多； 在現實世界中，典型條件下的能見度約為 30-50 米。 “我決定接受挑戰，開發一種可以透過霧氣的系統，我知道這不是一個容易的挑戰，”領導開發團隊的麻省理工學院媒體實驗室研究員 Guy Satat 說。 “我們正在處理現實情況，其中霧是動態的和異質的，處於不斷的運動和變化中，有較密集和較不密集的區域。 其他方法並不是為了處理這樣的場景而設計的。”
新系統使用相機發射超短激光束，並測量反射光束返回所需的時間。 在晴朗的日子裡，光線返回儀表所需的時間可以準確地指示到反射光線的物體的距離。 但霧會導致光線“散射”或隨機反彈。 因此，到達相機傳感器的大部分光線將被空氣中的水滴反射，而不是被車輛需要避開的各種物體反射。
麻省理工學院的系統通過使用統計分析來解決這個問題。 事實上，研究人員能夠證明，無論霧的密度如何，反射光的返回時間都遵循稱為伽馬分佈的統計方案。 系統估計參數以構建該分佈曲線，並使用它來過濾到達相機傳感器的光信號中的霧反射。
基本上，系統為傳感器的 1.024 個像素中的每個像素計算不同的分佈。 這就是為什麼它能夠管理密度的變化，這使得當前的系統相當無法使用：它實際上能夠適應每個像素看到不同類型霧的情況。
“好處是一切都非常簡單，”薩塔特說。 “如果你分析這個方法，你就會發現它出奇的簡單。 此外，該系統不需要任何有關霧及其密度的先驗知識，這有助於在最廣泛的霧條件下工作。”
Satat 和他的同事將在五月份的國際計算攝影會議上發表論文詳細介紹他們的系統。 薩塔特的論文導師、媒體藝術與科學副教授拉梅什·拉斯卡 (Ramesh Raskar) 和電子與計算機工程研究生馬修·坦西克 (Matthew Tancik) 參與了這項工作。