Wifi kijkt door dozen en ziet wat andere technieken niet zien (video)

Met een nieuwe beeldvormingstechniek kunnen robots door kartonnen dozen kijken en zien dat het handvat van een mok, ingepakt in piepschuim, gebroken is.

De techniek is ontwikkeld aan het MIT. Het systeem gebruikt millimetergolfsignalen (mmWave), hetzelfde type signalen dat in wifi wordt gebruikt, om nauwkeurige 3D-reconstructies te maken van objecten die aan het zicht onttrokken zijn. De golven kunnen zich door veelvoorkomende obstakels zoals plastic containers of binnenmuren verplaatsen en reflecteren op verborgen objecten. Het systeem, mmNorm genaamd, verzamelt deze reflecties en voert ze in een algoritme in dat de vorm van het oppervlak van het object schat.

De aanpak behaalde een reconstructienauwkeurigheid van 96 procent voor een reeks alledaagse voorwerpen met complexe, ronde vormen, zoals zilverwerk en een boormachine. State-of-the-art methoden behaalden een nauwkeurigheid van 78 procent. Bovendien vereist mmNorm geen extra bandbreedte.

Reflectie op reflecties

Traditionele radartechnieken werken goed voor grote objecten, zoals een vliegtuig dat door wolken wordt verduisterd, maar de beeldresolutie is te grof voor kleine objecten zoals keukengadgets die een robot mogelijk moet identificeren. Bij het bestuderen van dit probleem realiseerden de MIT-onderzoekers zich dat bestaande backprojectietechnieken een belangrijke eigenschap negeren die bekend staat als spiegeling.

Wanneer een radarsysteem mm-golven uitzendt, gedraagt ​​bijna elk oppervlak waar de golven op vallen zich als een spiegel, waardoor spiegelende reflecties ontstaan. Als een oppervlak naar de antenne is gericht, zal het signaal van het object naar de antenne reflecteren, maar als het oppervlak in een andere richting is gericht, zal de reflectie van de radar af bewegen en niet worden ontvangen.

“Op basis van speculariteit proberen we niet alleen de locatie van een reflectie in de omgeving te schatten, maar ook de richting van het oppervlak op dat punt”, zegt Laura Dodds, eerste auteur van een paper over mmNorm.

Fadel Adib, hoofdauteur: “We moesten een heel andere manier bedenken om deze signalen te gebruiken dan wat al meer dan een halve eeuw wordt gebruikt om nieuwe toepassingen mogelijk te maken.”

Oppervlaktenormaal

Ze ontwikkelden mmNorm om een ​​zogenaamde oppervlaktenormaal te schatten, de richting van een oppervlak op een bepaald punt in de ruimte, en gebruiken deze schattingen om de kromming van het oppervlak op dat punt te reconstrueren.

Door schattingen van de oppervlaktenormaal op elk punt in de ruimte te combineren, gebruikt mmNorm een ​​speciale wiskundige formule om het 3D-object te reconstrueren.

De onderzoekers creëerden een mmNorm-prototype door een radar te bevestigen aan een robotarm, die continu metingen uitvoert terwijl hij rond een verborgen object beweegt. Het systeem vergelijkt de sterkte van de signalen die het op verschillende locaties ontvangt om de kromming van het oppervlak van het object te schatten.

De antenne ontvangt bijvoorbeeld de sterkste reflecties van een oppervlak dat er direct op gericht is en zwakkere signalen van oppervlakken die niet direct op de antenne gericht zijn. Omdat meerdere antennes op de radar een bepaalde hoeveelheid reflectie ontvangen, ‘stemt’ elke antenne over de richting van de oppervlaktenormaal op basis van de sterkte van het ontvangen signaal. “Sommige antennes hebben een zeer belangrijke stem hebben, andere een minder belangrijke, en we kunnen alle stemmen combineren om één oppervlaktenormaal te produceren waar alle antennelocaties het over eens zijn”, aldus Dodds.

Omdat mmNorm de oppervlaktenormaal schat vanuit alle punten in de ruimte, genereert het vele mogelijke oppervlakken. Om de juiste te vinden, leenden de onderzoekers technieken uit computergraphics en creëerden ze een 3D-functie die het meest representatieve oppervlak van de ontvangen signalen kiest. Deze functie gebruiken ze om een ​​uiteindelijke 3D-reconstructie te genereren.