隔墙观物：消费级 LiDAR 借“运动”突破非视距成像极限

TL;DR

MIT 联手达特茅斯学院的研究团队推出了一项突破性技术：利用你手机里不到 100 美元的 LiDAR 传感器，就能看清“转角后”的物体。通过引入运动感应孔径采样（MAS）模型与粒子滤波，研究者成功克服了消费级硬件信噪比低、解析度差的痛点，实现了隐藏物体的实时 3D 跟踪与重建。

1. 背景：民用 LiDAR 的“封印”

非视距（Non-Line-of-Sight, NLOS）成像听起来像魔法：通过分析激光打在墙后反弹回来的微弱信号，推算出视野盲区里的物体形状。

然而，过去这类技术通常需要：

• 价值数万美元的超快激光器和 SPAD 阵列。
• 繁琐的实验室校准。
• 静态的环境假设。

我们手中的 iPhone 或 AR 眼镜上的 LiDAR 虽然也是 SPAD 技术，但受限于功耗和体积，其功率极低（SNR差）、像素极少（分辨率低）。更糟的是，手持设备在不断晃动，这本是成像的灾难，但在本文作者眼中，“运动”正是解开封印的关键。

2. 核心直觉：以运动换空间，以先验抗噪声

作者借鉴了摄影中的“多帧爆光融合”和雷达中的“合成孔径（SAR）”思想。既然单帧信号太脏、太模糊，那就多抓几帧，利用运动产生的时间差来补全空间信息。

运动感应孔径采样 (MAS) 模型

研究者发现，利用光锥变换 (LCT)，测量的瞬态信号在变换空间内具有移位不变性（Shift-Invariance）。

图 1：MAS 模型示意图。它将物体形状、物体运动和相机姿态统一在一个卷积模型中。物体的移动等效于“规范测量值”在空间上的平移。

${\mathcal{I}}_t(x,y,v)=\mathcal{I}(x-\Delta x_t,y-\Delta y_t,v-\Delta v_t)$

通过这个公式，复杂的动态成像问题被简化成了：寻找一组最优的平移参数 $(\Delta x,\Delta y,\Delta z)$。

3. 算法制胜：粒子滤波的妙用

面对消费级 LiDAR 杂乱的噪声，直接求逆解通常会陷入局部最优。作者引入了粒子滤波（Particle Filter）：

1. 传播（Propagation）：基于运动先验（比如物体不会瞬间传送）预测下一帧位置。
2. 评估（Evaluation）：根据 MAS 模型渲染出当前猜测位置下的“伪投影”，并与实际低保真测量值对比评分。
3. 重采样（Resampling）：保留高分“粒子”，剔除低分粒子。

这种方法不仅能实时运行，还能优雅地处理“歧义性”——当信号不足以确定单一位置时，它可以给出一个概率分布，而不是一个错误的确定值。

4. 惊艳的实验结果

研究者在价格低廉的 ST VL53L8CX 传感器（常用于扫地机器人或手机对焦）上进行了验证。

A. 多物体实时跟踪

即使是在墙后复杂的多个物体（甚至包括人手的微小动作），系统也能准确勾勒出其运动轨迹。 图 2：NLOS 手部跟踪任务。蓝色和绿色轮廓分别代表左右手的概率分布。

B. 相机定位（穿墙定位）

当你在一个全是大白墙、缺乏视觉特征的走廊里时，传统激光 SLAM 或视觉里程计会失效。MAS 模型允许相机利用“盲区”里的固定物体作为路标，通过隐藏的信号来反推相机的精确坐标。

5. 局限与未来

虽然该工作在即插即用上迈出了一大步，但仍存在局限：

• 反射率依赖：目前对逆反射（Retroreflective）物体效果最佳，纯漫反射物体的信号强度仍待提高。
• 形状先验：跟踪任务目前需要预知物体的粗略形状。

6. 总结

这篇论文的真正价值在于民主化（Democratization）。它告诉我们，实现尖端 NLOS 成像不需要昂贵的精密实验室，精妙的数学模型加上你口袋里的旧手机，就足以窥见视野外的微观世界。这不仅为自动驾驶避障提供了新思路，也为 AR/VR 设备的交互开启了无限可能。

本文主编注：该研究对学术界的贡献在于将 LCT 理论与贝叶斯滤波框架深度耦合，解决了动态场景下 NLOS 的退化难题。从工业角度看，这预示着 NLOS 可能在 2-3 年内成为扫地机器人或商用无人机的标配功能。