Teknik pencitraan komputasional baru yang dikembangkan oleh peneliti dari Rice University dan University of Arizona mengubah permukaan matte sehari-hari—seperti dinding, perabot, dan pakaian—menjadi layar tampilan virtual, memungkinkan mesin merekonstruksi pemandangan tiga dimensi dengan kecepatan dan ketepatan luar biasa. Dipublikasikan di Nature Communications, metode ini mengatasi kelemahan kritis dalam visi mesin saat ini: ketidakmampuan menangkap secara akurat lingkungan dinamis yang mengandung objek matte dan reflektif sekaligus. Dengan memproyeksikan sinar laser ke permukaan nonreflektif dan menggunakan kamera peristiwa neuromorfik berkecepatan tinggi, sistem ini merekam perubahan intensitas cahaya secara cepat alih-alih bingkai penuh, sehingga meningkatkan kinerja secara dramatis dalam kondisi pencahayaan menantang dan subjek bergerak. Terobosan ini berpotensi memajukan aplikasi mulai dari pengemudian otonom dan inspeksi industri hingga pengenalan wajah dan penginderaan manusia.
Pendekatan Inovatif Atasi Tantangan Visi Mesin
Sebagian besar sistem pencitraan 3D yang ada saat ini mengandalkan cahaya terstruktur, yaitu memproyeksikan pola ke suatu pemandangan dan mengukur bagaimana pola tersebut berubah bentuk di permukaan objek untuk membuat peta kedalaman. Meskipun banyak digunakan, sistem ini sering gagal saat berhadapan dengan gerakan, pencahayaan keras, atau pemandangan yang mengandung campuran bahan matte dan reflektif. Dalam lingkungan reflektansi campuran semacam itu, cahaya yang memantul antar permukaan mengacaukan pengukuran dan menurunkan kualitas gambar. Metode baru mengatasi hambatan ini dengan memanfaatkan permukaan yang justru menjadi masalah—dinding matte, pakaian, dan perabot—menjadikannya layar virtual yang memantulkan titik laser ke objek mengkilap.
Deflektometri yang Diubah Suai
Ashok Veeraraghavan, ketua Departemen Teknik Elektro dan Komputer di George R. Brown School of Engineering and Computing Rice, menjelaskan bahwa timnya memanfaatkan teknik terkenal dalam visi komputer yang disebut deflektometri, yang mengukur bentuk permukaan mengkilap dengan mengamati bagaimana pola cahaya yang diproyeksikan berubah bentuk saat dipantulkan. Secara tradisional, deflektometri membutuhkan layar besar yang diposisikan secara hati-hati, membuat prosesnya mahal dan tidak fleksibel. Dengan memproyeksikan sinar laser ke permukaan matte yang sudah ada di pemandangan, para peneliti menghilangkan kebutuhan akan peralatan khusus, mengubah ruangan mana pun menjadi lingkungan pencitraan yang fungsional.
Laser dan Kamera Neuromorfik: Dua Langkah Kunci
Proses pencitraan berlangsung dalam dua langkah. Pertama, laser memindai permukaan matte seperti dinding, pakaian, dan perabot untuk membuat peta 3D yang presisi dari permukaan tersebut. Ketika titik laser memantul dari objek mengkilap, sistem secara efektif memanfaatkan permukaan matte di sekitarnya menjadi layar tampilan virtual, sebagaimana dijelaskan oleh Aniket Dashpute, mahasiswa pascasarjana di laboratorium Veeraraghavan dan penulis pertama studi tersebut. Kedua, kamera peristiwa neuromorfik—yang merekam perubahan intensitas cahaya alih-alih menangkap bingkai gambar penuh—merekonstruksi video 3D berkecepatan tinggi. Jiazhang Wang, rekan peneliti pascadoktoral di Wyant College of Optical Sciences Universitas Arizona dan penulis kedua makalah, mencatat bahwa kamera ini dapat menangani tingkat cahaya yang sangat berbeda, dari sangat redup hingga sangat terang, sehingga semua permukaan objek dalam pemandangan dapat diukur dengan akurasi dan kecepatan setinggi mungkin, tanpa memandang variasi reflektivitas.
Kombinasi pemindaian laser dan pencitraan berbasis peristiwa merupakan penyimpangan signifikan dari penginderaan 3D konvensional. Di mana kamera standar akan kewalahan oleh gerakan cepat atau kontras pencahayaan ekstrem, kamera peristiwa hanya menangkap perubahan, mengurangi beban data dan meningkatkan resolusi temporal. Hal ini membuat sistem sangat cocok untuk aplikasi waktu nyata di mana setiap milidetik sangat berarti.
Potensi Aplikasi di Berbagai Industri
Kemajuan ini dapat mengubah visi mesin di beberapa bidang berisiko tinggi. Untuk kendaraan otonom, kemampuan memahami pejalan kaki, mobil lain, dan permukaan jalan secara akurat dalam pencahayaan campuran dan kondisi reflektif kompleks sangat penting untuk navigasi yang aman. Dalam inspeksi industri, produsen dapat menggunakan teknik ini untuk mendeteksi cacat pada bagian logam mengkilap atau permukaan transparan yang selama ini luput dari pemindai standar. Sistem pengenalan wajah dapat memperoleh manfaat dari penginderaan kedalaman yang lebih kuat di lingkungan yang bervariasi, sementara aplikasi penginderaan manusia—seperti pengenalan gerakan atau pemantauan kesehatan—dapat memanfaatkan kecepatan dan akurasi metode ini.
Skalabilitas dari Mikroskopis hingga Arsitektural
Meskipun teknologi ini sejauh ini hanya didemonstrasikan di lingkungan laboratorium meja, para peneliti menekankan bahwa pendekatan ini pada dasarnya dapat diskalakan. Seperti yang dijelaskan oleh Florian Willomitzer, profesor madya di Wyant College of Optical Sciences dan kolaborator dalam studi tersebut, skalabilitas adalah persyaratan penting untuk pencitraan 3D. Metode yang sama dapat diadaptasi untuk mengukur pembuluh darah reflektif kecil selama operasi atau untuk mendigitalkan seluruh ruangan dan bangunan, menawarkan fleksibilitas untuk beroperasi pada skala dan lingkungan yang sangat berbeda. Keserbagunaan ini menunjukkan bahwa teknik ini pada akhirnya dapat diminimalkan untuk perangkat genggam atau diperluas untuk pemindaian arsitektural skala besar.