消费级 LiDAR 的“透视眼”：基于运动诱导采样的非视域成像技术

TL;DR

想象一下，你的手机不仅能拍下眼前的风景，还能“看到”走廊另一头转角处的物体，或者在空无一物的白墙面前实现精准定位。MIT 的团队通过一种名为 MAS (Motion-Induced Aperture Sampling) 的模型，利用不到 100 美元的智能手机 LiDAR 实现了这一切。他们将原本需要数万美元设备的非视域（NLOS）成像技术，转变为了一种实时、便携且即插即用的新功能。

背景：被忽视的“多跳”信号

传统的 LiDAR 成像关注的是光线直接反射回来的“第一跳”信号。然而，光在撞击墙体（中介面/Relay Surface）后会散射到隐藏区域，再次反射回来。这些由于“多跳”产生的微弱信号其实编码了隐藏物体的 3D 信息。

现有的 NLOS 成像研究主要面临三大障碍：

1. 信噪比极低：消费级设备为了安全限制了激光功率，导致回波信号微乎其微。
2. 空间分辨率不足：传感器像素稀少（如仅 8x8 或 10x10）。
3. 运动模糊：手持移动带来的不确定性使得传统的静态重建算法失效。

核心 Insight：运动即采样 (MAS 模型)

作者并没有试图去解决单帧画质差的问题，而是借鉴了 Burst Photography（连拍合成） 和 SAR（合成孔径雷达） 的智慧。

1. 统一运动模型

作者推导证明，在 LCT (Light-Cone Transform) 变换空间中，物体的刚体平移等效于空间-时间冲激响应（STIR）的简单平移。这意味着，我们可以将“物体形状”与“运动轨迹”完全解耦。

图 1：MAS 模型示意图。通过 LCT 变换，将深度和时间对齐，使 3D 卷积在数学上变得连贯。

2. 粒子滤波：处理不确定性的良药

既然 NLOS 信号本质上是模糊且多义的，作者使用了粒子滤波 (Particle Filtering)。

• 传播 (Propagation)：利用运动先验（如恒定速度）预测物体位置。
• 评估 (Evaluation)：将当前测量值与基于 MAS 模型渲染出的预期值进行对比评分。
• 重采样 (Resampling)：保留符合物理规律的猜测，剔除噪声干扰。

图 2：粒子滤波的三个阶段：传播、评估与重采样，将时间序列信息转化为对位置的概率分布估计。

实验与战绩：从重建到定位

研究团队在多种场景下验证了 MAS 模型的强大性能：

1. 3D 重建：通过自然的相机晃动（手持移动），系统变相获得了一个巨大的“虚拟孔径”，从而重建出隐藏物体的细节。
2. 多目标跟踪：成功在 NLOS 环境下追踪两只手的动作，即使是在物体远离中介面、信号极度弥散的情况下，粒子滤波也能通过概率分布展现其不确定性。
3. 相机定位：在全白、无纹理的室内空间，常规视觉算法（如 SLAM/ICP）会迷失。而 MAS 可以利用墙角后的固定物体作为“视觉地标”，反推相机的精确位置。

图 3：多目标跟踪结果。蓝色和绿色等高线图分别代表左右手的位置概率分布。

深度洞察：为什么这很重要？

这篇文章的本质提升在于它打破了 NLOS 对“理想测量环境”的依赖。

• 软硬结合的胜利：以前我们需要更好的硬件（更强的激光），现在我们通过更聪明的模型（MAS）和时序算法（粒子滤波）把差硬件用好了。
• 实用性导向：作者清醒地认识到，在消费级场景下，我们往往不需要完美的 3D 模型，而是一个可靠的轨迹（Tracking）或定位。这种任务优先的逻辑使得算法达到了 30Hz 的实时处理性能。

局限与展望

尽管表现优秀，但该系统目前仍主要假设物体为刚体运动，且在处理大型物体时搜索空间较大。由于缺乏复杂的双向反射分布函数（BRDF）建模，对于某些特殊材质的预测仍存在偏差。未来，引入深度神经网络学习得分函数（Score Function）有望进一步增强算法的鲁棒性。

总结

这篇论文向我们展示了 NLOS Imaging 的“平民化”未来。当 $100 的传感器也能拥有“穿墙”感知力时，AR 交互、扫地机器人导航乃至紧急搜救任务都将迎来范式转移。