自动驾驶汽车深度传感器获1000倍升级，大增安全性

自动驾驶汽车演进在此，Google和Tesla等巨头冲至前沿。但技术伴随许多安全顾虑。例如，算法若突然检测移动车前动物，先顾动物还是救您？且自动驾驶车暴雨中无法正常工作，质疑技术失效时驾驶员扮演何角色。

MIT近期研究试图解决自动驾驶技术随带几问题。他们开发通过雾准确测距新方法，比现有传感器技术好数倍。

新深度传感器结合有效计算方法将飞行时间深度传感器分辨率提升千倍。这就是能轻松检测雾中物体、让自动驾驶车更安全的分辨率类型。

现有技术足够智能泊车辅助系统（IPAS）和碰撞检测系统。2米范围内深度分辨率1厘米。分辨率随范围增加指数级下降。最坏情况甚至导致生命损失。

新飞行时间系统同2米范围内深度分辨率3微米。首席研究员Achuta Kadambi进行测试，通过半公里光纤（均匀空间滤波器）发射光信号模拟长距离功率衰减。发现系统仍能在半公里范围达1厘米深度分辨率。

决定系统分辨率两因素：光脉冲长度和检测率。

发射极短光脉冲，相机计算光返回时间。时间告诉物体多远。
检测率指调制器开关光束开关。现有探测器每秒约1亿次计算，将系统限制厘米级深度分辨率。

新系统用干涉测量和LIDAR思想捕捉更高分辨率事物。

干涉测量指将光束分成两等份，一份发射入场景另一份本地循环。反射束再与本地循环合并。两束相位差揭示物体精确距离。

LIDAR（光探测和测距）技术使慢相机成像高频（GHz带宽信号）数据。

拍频通常指低频声音可被低带宽设备检测。例如，一设备产生330Hz音调另一300Hz，差频30Hz为拍频。

同一概念应用调制光束，两束（GHz）干涉产生Hz频率拍频。拍频含测距所有关键数据。

基本像每秒电子开关手电筒百万次，但电子而非光学方式完成。

低频系统在雾中正常工作因雾散射光。因相位偏移相对GHz光学系统信号频率高得多，它们补偿雾效果远好于MHz系统。

研究者展示最小近3微米路径长度控制，约人类头发宽度1/10。如此高精度可实现散射反演，让医生医学研究者用可见光谱看清更深组织。

机器人可穿梭果园，而非仅绘制拓扑。且大多数潜在广泛实现将是实时。

工业技术