集成微透镜阵列的3D相机系统，克服了其他无镜头相机中的诸多障碍，实现了一种重量轻、速度快的新型相机。

加州大学戴维斯分校的研究人员，已经开发出了一种不需要传统镜头的实验相机。该相机只需要一次曝光即可捕获目标物的3D彩色图像，即使目标物隐藏在其他物体后面。

为了实现这一重要成就，研究人员使用了计算成像技术——这是一种“通过使用需要大量计算的算法来形成图像的”技术。在这个系统中，传感系统和算法紧密结合。

在该相机中，研究人员将“一个由柔性聚合物制成的很薄的微透镜阵列（用来代替传统透镜）、一个商用图像传感器和一个从2D图像重建3D场景的深度学习神经网络”相结合。

该系统克服了其他无镜头相机中所遇到的挑战，从而实现了一种重量轻、速度快的新型相机。研究人员解决了诸如点扩散函数（PSF）的大量校准、以及完成计算和重建对象的耗时过程等众多问题。

也有其他研究人员使用深度学习模型来解决这些问题；然而，这些模型需要大量训练，并且可能不能提供足够的图像分辨率。为了解决这些问题，加州大学戴维斯分校的研究小组开发了他们自命名的“物理神经网络”。研究人员表示，该“物理神经网络”可以快速学习如何重建3D场景，并能提供良好的分辨率。

加州大学戴维斯分校电气与计算机工程系的研究人员在一篇期刊文章中写道：“据我们所知，我们是第一个演示无需系统校准和初始化的深度学习数据驱动3D真实感重建的团队。”

研究人员表示，该相机将有望在检测应用等一些机器视觉任务中发挥重要作用。因为该相机能在一次曝光中捕获3D信息，因此不需要拍摄多个图像（每个图像聚焦在不同的深度上）来获取3D信息。

这项功能将在机器视觉应用中节省大量时间。加州大学戴维斯分校电气与计算机工程系副教授杨暐健解释道：“一旦从快照图像中恢复了3D空间信息，就可以使用相关的计算机视觉算法，来进一步提取特定机器视觉应用所需要的各种特征。”

该校博士生、文章作者Feng Tian补充道，该相机还可以“为机器人提供3D视觉，这可以帮助它们在3D空间中导航或执行复杂任务，比如精细物体的操控。”

该相机包括一个由37个透镜单元组成的微透镜阵列，每个透镜单元的直径为3mm。研究人员将它们随机分布在直径122mm的孔径内。他们将微透镜阵列放置在距离图像传感器表面15mm的位置；图像传感器采用的是索尼的IMX309BQJ。

微透镜阵列上的透镜单元具有不同的视野，允许它们从不同的角度拍摄物体，这使得该相机系统能够重建包括部分隐藏物体的场景图像。杨暐健说：“这对于拍摄结构复杂的物体特别有用，因为它不需要旋转物体来从不同角度拍摄多幅图像。”

为了训练深度学习神经网络，研究人员在监视器上显示图像，然后使用该相机捕获这些图像。接下来，他们使用成对的原始图像和捕获的图像来训练网络。杨暐健解释道：“训练后，神经网络学习重建的物理模型，然后可以重建训练中没有看到的物体场景。”神经网络学习如何从2D图像映射信息以重建3D场景。

为了测试相机系统的重新聚焦和3D成像能力，研究人员将小玩具排列在桌子上，通过微透镜阵列相机拍摄图像，然后使用算法在不同距离处重建这组物体。研究人员写道：“重建的物体场景能正确地聚焦在相应距离处的玩具上，并模糊了前景和背景处的景物。”

（文章转自网络，如有侵权，请联系删除）