全民造车时代 怎能少的了石墨烯 Nature Comm.报道石墨烯基3D探测器助力无人驾驶

自动驾驶汽车等新兴技术要求成像技术不仅能捕捉二维图像，还能捕捉物体的三维空间位置和方向。目前已有的多种解决方案，包括激光雷达系统和光场摄像机，都存在明显的局限性。例如，激光雷达受到尺寸和成本的限制，最重要的是需要使用激光对环境进行主动发射，这本身就带来了挑战，包括安全性。各种配置的光场摄像机也被提出并进行了测试。一种常见的方法是在相机的传感器阵列前放置微透镜阵列；从不同角度的同一点发出的光被映射到不同的像素以创建角度信息。然而，到低维的映射需要在空间分辨率和角度分辨率之间进行权衡。另外，还可以使用光学掩模和摄像机阵列进行光场采集。然而，前者牺牲了信噪比，可能需要较长的曝光补偿时间。后一种设备的尺寸可能成为开发小型相机的一个限制因素。

在Ted Norris的实验室里，一束绿色的激光束聚焦在石墨烯基透明光电探测器阵列上。（图片来源：密歇根大学）

密歇根大学(University of Michigan)开发的一种新的实时3D运动跟踪系统将光探测器与先进的神经网络技术相结合，创造出一种有朝一日可能在自动驾驶技术中取代激光雷达和摄像头的系统。虽然这项技术仍处于起步阶段，但在未来有望应用到包括自动化制造、生物医学成像和自动驾驶等应用领域。该成果以“Neural network based 3D tracking with a graphene transparent focal stack imaging system”为题，发表在Nature Communications上。

全石墨烯光电探测器阵列聚焦堆叠成像系统的概念。（图片来源：Nature Communications 2021, 12, 2413）

密歇根大学博士生Zhang Dehui（本文一作）表示:“石墨烯纳米器件和机器学习算法的深入结合可以在科学和技术领域带来重大机遇。与其他几种解决方案相比，该系统结合了计算效率、快速跟踪速度、硬件紧凑和成本更低。”在这项工作中的石墨烯光电探测器经过优化，只吸收了暴露在其中的约10%的光，使其几乎透明。因为石墨烯对光非常敏感，这足以产生可以通过计算成像来重构图像。这些光电探测器堆叠在一起，形成了一个紧凑的系统，每一层聚焦于不同的焦平面，从而实现了3D成像。

使用双堆叠石墨烯探测器阵列的聚焦堆叠叠加成像实验演示。（图片来源：Nature Communications 2021, 12, 2413）

但3D成像仅仅是个开始。该团队还研究了实时运动跟踪，这对自主机器人的广泛应用至关重要。为了做到这一点，他们需要一种方法来确定被跟踪对象的位置和方向。典型的方法包括激光雷达系统和光场摄像机，这两种方法都有很大的局限性。另一些则使用超材料或多台摄像机。硬件本身不足以产生预期的结果。

他们还需要深度学习算法。密歇根大学博士生Xu Zhen（本文共一）帮助搭建了这两个领域的桥梁。他建立了光路，并与该团队合作，使神经网络能够解读位置信息。神经网络被训练为在整个场景中搜索特定的对象，然后只关注特定的对象，例如，交通中的行人，或高速公路上移动到你车道上的物体。该技术尤其适用于稳定的系统，如自动化制造，或为医疗社区以3D方式投影人体结构。

利用CMOS相机采集的聚焦堆叠数据进行三维扩展目标跟踪和方向估计。（图片来源：Nature Communications 2021, 12, 2413）

密歇根大学博士生 Huang Zhengyu（本文共一）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射线和MRI等长期存在的成像技术的传统信号处理算法。这让团队的共同领导杰弗里·费斯勒(Jeffrey Fessler，本文通讯作者，专门研究医学成像)感到兴奋。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还处于初期阶段的项目。虽然该技术离实用化还有很长的路要走，但没关系。这也是让人兴奋的部分原因。”

该团队成功地跟踪了一束光，以及用两个4×4(16像素)石墨烯光电探测器阵列堆叠成功跟踪一个实际的瓢虫运动。他们也证明了他们的技术是可扩展的。他们认为，对于一些实际应用，只需4000个像素，而对于更多的应用，只需400×600像素阵列。

虽然该技术可以与其他材料一起使用，但石墨烯的另一个优点是它不需要人工照射，而且它对环境友好。研究人员表示，建造大规模生产所需的制造基础设施将是一个挑战，但这可能是值得的。

“石墨烯就是1960年的硅，”诺里斯（Theodore B. Norris，本文通讯作者）说，“随着我们继续开发这项技术，它可能会激发商业化所需的那种投资。”

文献信息：Neural network based 3D tracking with a graphene transparent focal stack imaging system，Nature Communications 2021, 12, 2413.

本文由纳米小白撰稿。