在任何一种天气中行车都会有着不同的挑战和限制，在能见度有限的情况下驾驶汽车，比如薄雾或大雾天则更具有挑战性和危险性，不过幸运的是麻省理工的一组研究人员最近研发出了一套可能解决这个问题的系统。

麻省理工的研究人员研发了一个新型的成像系统，它能够测算人眼无法看到的被浓雾遮掩的物体与车身之间的距离。在雾天进入抓瞎状态对于可靠自动车载导航系统的研发工作来说一直都是个主要障碍，因此 这套系统对于无人驾驶汽车的研发来说可能是一个巨大突破。

为了测试系统是否可行团队把物体放置在一个约一米长的密封盒子里，然后慢慢地充入浓雾，盒子外有一个激光器向浓雾中发射光脉冲，还有一个相机用来测量光折回的时间，他们发现他们的系统甚至可以对裸眼不可见的物体进行成像，更具体地说 在这样的浓雾里人的可视距离只有36厘米，而他们的系统可以分析物体的图像测算出57厘米内物体的距离，57厘米并不是很远，但是研究所用的雾远比现实生活中人们驾车可能碰到的雾要浓得多，重点在于这个系统比肉眼观察灵敏的多。

而之前的系统 表现就比较差了，这个系统是用来解决反射自水滴的光，使大部分成像系统都失灵让识别前方物体变得几乎不可能这一问题。

麻省理工的研究人员推算出了一个公式，这个公式是利用有特征的散射光数据把来自相机的原始数据分成两个部分，反射自被遮蔽物体的光和反射自雾的光，反射自物体的光被用于推测物体样貌和计算物体距离，当然了 能见度这个概念不能很好地被定义，因为不同的颜色和纹理的物体能被看见的最远距离是不同的。

因此 为了让系统表现得更好，这个团队用了一个更严密的度量单位，这个被称作“光深度”的单位是用来度量透过雾的光量的，光深度的大小与距离无关，所以系统测出的光深度是唯一确定无论物体是在1米外还是50米外，测量出的光深度都是一样的。

事实上这个系统对于远距离物体的判定甚至表现得更好，因为物体距离较远时光子到达的时间差变得更长了，这为获取更精确的图像提供了便利。

最后别忘了关注我，和你一起长知识。