图片显示了金属深度传感器实时工作，以捕获透明蜡烛火焰的深度。左侧的两个图像是在相机传感器上捕获的原始图像。它们由金属元素形成，并且模糊程度略有不同。研究人员从这两幅图像中实时计算出物体的深度。右图显示了计算出的深度图。图片来源：郭琦和石柱君/哈佛大学

对于我们所有的技术进步，在研发方面，没有比发展更胜一筹。以跳蛛。尽管这些小蜘蛛的大脑很小，但它们仍具有令人印象深刻的深度感知能力，使它们能够从几个体长处准确地突击那些毫无戒心的目标。

受这些蜘蛛的启发，哈佛大学约翰·保尔森工程与应用科学学院（SEAS）的研究人员开发了一种紧凑而高效的深度传感器，该传感器可用于微型机器人，小型可穿戴设备或轻型虚拟现实和增强现实中耳机。该设备将多功能，扁平的金属元素与超高效算法结合在一起，可以一次测量深度。

“进化产生了各种各样的光学配置和视觉系统，这些光学配置和视觉系统是针对不同目的而量身定制的，”博士Zhujun Shi说。物理学系候选人，论文的第一作者。“光学设计和纳米技术最终使我们能够探索人造深度传感器和其他视觉系统，这些系统同样具有多样性和有效性。”

该研究发表在《美国国家科学院院刊》上。

当今许多深度传感器，例如电话，汽车和视频游戏机中的深度传感器，都使用集成光源和多个摄像头来测量距离。例如，智能手机上的人脸ID使用数千个激光点来映射人脸轮廓。这适用于具有电池和快速计算机空间的大型设备，但是对于功率和计算量有限的小型设备（如智能手表或微型机器人）呢？

视频显示了金属化深度传感器实时工作以捕获果蝇的深度。左侧的两个图像是在相机传感器上捕获的原始图像。它们由金属元素形成，并且模糊程度略有不同。研究人员从这两幅图像中实时计算出物体的深度。右图显示了计算出的深度图。图片来源：郭琦和石柱君/哈佛大学

事实证明，进化提供了许多选择。

人类使用立体视觉来测量深度，这意味着当我们看着一个物体时，我们的两只眼睛中的每只正在收集略有不同的图像。尝试以下操作：将手指直接放在您的脸部前面，然后交替睁开和闭合双眼。看看手指如何移动？我们的大脑拍摄这两个图像，逐个像素地检查它们，并根据像素的移动方式计算到手指的距离。

SEAS的电气工程和计算机科学教授，William and Ami Kuan Danoff也是该杂志的共同作者之一，Todd Zickler说：“这种匹配的计算方法是，您拍摄两张图像并搜索对应的零件，这在计算上非常繁琐。”研究。“人类对这些计算有很好的头脑，但蜘蛛却没有。”

跳蛛已经发展出一种更有效的深度测量系统。每只主眼都有一些分层排列的半透明视网膜，这些视网膜可测量具有不同模糊量的多个图像。例如，如果一只跳跃的蜘蛛用一只主眼注视着一只果蝇，则该果蝇在一个视网膜的图像中会显得更清晰，而在另一个视网膜的图像中则更模糊。这种模糊变化会编码有关飞行距离的信息。

在计算机视觉中，这种距离计算类型称为离焦深度。但是到目前为止，要复制《自然》杂志，需要具有机动内部组件的大型相机，这些相机可以随时间捕获聚焦不同的图像。这限制了传感器的速度和实际应用。

为紧凑的深度感应设计的金属元件的插图。它由亚波长间隔的方形纳米柱组成。通过交替显示两种不同的纳米柱图案（在此以红色和蓝色显示），该金属元素同时形成了两个图像。这两个图像模仿了跳跃蜘蛛眼中分层视网膜捕获的图像。图片来源：郭琦和石柱君/哈佛大学

那就是金属元素进入的地方。

Federico Capasso，Robert L. Wallace应用物理学教授，SEAS电气工程高级研究员，论文的共同作者Vinton Hayes，他的实验室已经证明了metalenses可以同时产生包含不同信息的多个图像。在这项研究的基础上，该团队设计了一种金属颜料，可以同时产生两个具有不同模糊度的图像。

“不是像跳跃的蜘蛛那样，使用分层的视网膜来捕获多个同时的图像，而是金属元素将光分开并在一个光电传感器上并排形成两个散焦不同的图像，”卡帕索实验室的一部分的史说。

由Zickler小组开发的一种超高效算法，然后解释这两个图像并构建一个深度图来表示物距。

“能够一起设计超表面和计算算法非常令人兴奋，”博士Qi Guo表示。Zickler实验室的候选人，也是该论文的第一作者。“这是创建计算传感器的新方法，它为许多可能性打开了大门。”

卡帕索说：“金属眼镜是一种改变游戏规则的技术，因为它们能够更有效，更快地实现现有和新的光学功能，并且体积和复杂性要小得多。” “融合光学设计和计算成像方面的突破，使我们开发出了这款新型深度相机，它将为科学和技术领域带来广泛的机会。”