突破黑夜视野局限!东南大学紧凑型超构相机:120°超广角+智能算法,让暗区细节“显形”
深夜的城市道路上,自动驾驶汽车的摄像头正面临两难:车灯强光让近处画面惨白过曝,人行道阴影里却连行人轮廓都模糊不清;高空的微型侦察无人机想覆盖更广区域,传统广角镜头的bulky体积又成了“卡脖子”的难题。这两个场景指向同一个技术痛点——如何在紧凑设备中,同时实现广角视野与低光清晰成像?如今,东南大学与紫金山实验室的陈绩教授、张在琛研究团队,用一款“软硬件协同”的紧凑型超构相机,给出了令人眼前一亮的解决方案。
痛点:超构透镜的“广角暗区困境”
超构透镜本是解决“镜头小型化”的利器——它薄如平面,无需传统广角镜头的多片曲面透镜堆叠,能大幅压缩设备体积。但它有个绕不开的物理瓶颈:大角度入射光强衰减。
简单说,当光线斜着进入超构透镜(比如画面边缘区域),有效通光面积会像“余弦函数”一样急剧缩小,导致画面边缘像被“按了暗键”,亮度断崖式下跌;再遇上夜间非均匀光照(如路灯、车灯),亮区过曝、暗区失细节的问题会更严重——要么提亮暗区却让噪点爆炸,要么压制亮区却让边缘更暗,始终难以兼顾。
破局:“分而治之”的硬件+“逐像素精修”的软件
团队没有孤立解决某一个问题,而是打造了“硬件筑基+软件升维”的全链路方案,相当于给超构相机装上了“精准分工的眼睛”和“智能修图的大脑”。
硬件:三个超构透镜,拼出120°超广角
传统超构透镜试图用“单个镜片扛下所有视场”,结果顾此失彼。团队反其道而行之,设计了线性排列的三合一超构透镜阵列,让每个镜片“各司其职”:
左侧透镜:负责捕捉60°~20°的左半视野;
中间透镜:聚焦20°~+20°的中心视野(通过相位优化保证清晰度);
右侧透镜:覆盖+20°~+60°的右半视野(叠加倾斜相位适配大角度光线)。
三个镜片捕捉的子图像无缝拼接后,就能得到完整的120°水平超广角画面,既保留了超构透镜的紧凑性,又避免了单个镜片的“边缘暗化”问题。
软件:MetaLightEnhance算法,让暗区“显形”
硬件解决了“看得宽”,软件则要解决“看得清”——尤其是夜间复杂光照场景。团队开发的MetaLightEnhance智能算法,不是简单的“全局提亮”,而是像经验丰富的后期大师一样“逐像素精修”。
它的核心逻辑是“迭代增强”:
1.初始曲线:先用三阶多项式曲线打下基础,确定亮度调整的大致方向;
2.智能参数图:通过一个叫“MLEN”的深度神经网络(类似UNet结构,还加了小波变换模块),为每帧图像生成专属“参数图”——这个图能精准识别哪里是亮区、哪里是暗区,甚至能区分“车灯强光”和“行人轮廓”;
3.迭代优化:把上一轮处理的图像当输入,重复“生成参数调整亮度”的过程,实验证明迭代6次效果最佳——既能把暗区的行人、自行车轮廓“拉亮”,又不会让亮区的车牌、车灯过曝。
小波变换模块是关键“加分项”:它能捕捉图像不同尺度的细节,比如远处卡车的轮廓(低频信息)和近处路面的纹理(高频信息),让算法调整时更“有针对性”,不会把噪点误当成细节提亮。

实测:从白昼到黑夜,画质碾压传统方案
团队用实验数据证明了技术实力,无论是正常光照还是极端黑夜,这款超构相机的表现都远超传统方式。
白昼场景:边缘亮度“逆袭”
未处理的超构相机图像,边缘区域明显偏暗;经过MetaLightEnhance算法优化后,整个画面亮度分布均匀,灰度直方图更接近真实场景——比如远处的建筑轮廓、近处的路面纹理,都能清晰呈现。
夜间场景:暗区细节“不丢失”
原始图像:暗区(人行道、远处车辆)完全“隐身”,只有车灯附近可见;
简单增曝:暗区是亮了,但噪点爆炸,车灯区域惨白一片,车牌信息全丢;
算法增强:暗区的行人、自行车轮廓清晰可见,亮区的车牌数字也能辨认,动态范围和信噪比大幅提升。
更关键的是量化数据:在衡量图像质量的PSNR(峰值信噪比)和SSIM(结构相似性)指标上,MetaLightEnhance算法表现最佳——PSNR达14.41(远超简单增曝的7.47),SSIM达0.69(是原始图像的2倍多)。把处理后的图像输入YOLO目标检测网络,漏检、误检率也大幅下降,能准确识别汽车、行人、自行车等关键目标。
未来:从“看得宽”到“看得全”,还有这些新可能
这项技术最核心的价值,在于它对“尺寸、重量、功耗(SWaP)”的极致优化——这让它在微型设备中极具潜力:比如可穿戴智能眼镜(需要广角低光视野)、微型无人机(体积受限但要覆盖广域)、紧凑型车载传感器(装在车侧不占空间)。
但科研团队也提出了三个值得探索的方向,未来或许会有更大突破:
1.从1D到2D:目前120°是水平视场,垂直视场只有40°。如果把线性阵列改成2D阵列,怎么在保持紧凑的同时,实现“水平+垂直”双广角?
2.从单色到彩色:现在的相机只能拍黑白画面,要实现全彩,是叠多层超构透镜(对应RGB三色),还是靠算法“补色”?哪种方案更省体积、更少噪点?
3.软硬件边界:全黑环境下,算法什么时候会“失灵”?届时是不是得换更灵敏的传感器(比如SPAD传感器)?软硬件的“协作极限”在哪里?
超构光学+计算成像,打开未来“视界”
东南大学的这款超构相机,不只是一次“镜头升级”,更是超构光学与计算成像结合的典范。它没有回避物理规律的限制,而是用“硬件分工+软件智能”的思路,打破了“广角就难低光,紧凑就丢细节”的固有印象。
未来,当这项技术解决了全彩、2D广角的问题,我们或许能看到:智能眼镜能在深夜看清拐角的行人,微型机器人能在昏暗管道里看清全貌,自动驾驶汽车的“peripheralvision”(周边视野)不再有暗区盲区。而这些突破,或许就藏在科研团队下一次的实验室创新里。
-
泰曼-格林与斐索干涉仪:两种经典干涉仪的原理、区别与选型
在光学面形与波前检测中,泰曼-格林(Twyman-Green)与斐索(Fizeau)干涉仪是两种最经典、最常见的构型。同样是干涉测量,两者在光路结构、适用范围、精度表现与使用门槛上却有着本质区别。很多工程师面对"该用哪一种"时常常犹豫。本文从光路原理出发,系统梳理两者的差异,并给出选型建议。
2026-11-20
-
离轴抛物面反射镜的面形检测:难点、方法与干涉测量
离轴抛物面镜(Off-Axis Parabolic Mirror, OAP)没有中心遮挡,能把点光源准直为理想平行光或把平行光无像差地聚焦,是空间光学、红外系统、激光应用中的关键元件。但它"离轴"的特性,也让面形检测变得格外棘手——没有旋转对称中心,传统检测方法往往失效。本文解析离轴抛物面的特点与面形检测难点,并介绍干涉检测方案。
2026-11-20
-
多层透明结构的分层测厚:低相干干涉如何"一层层剥开"测量
OLED 盖板与触控层的贴合、汽车夹胶玻璃、多层光学贴合模组、复合膜材……越来越多的产品不再是单一材料,而是多层透明材料叠在一起。要控制这些产品的质量,需要分别测出每一层的厚度,而不是只知道总厚。低相干干涉法凭借其界面分辨能力,能做到"一层层剥开"地测量各层厚度。本文解析多层结构分层测厚的原理与应用。
2026-11-20
-
摄像头模组检测的四道关卡:从一片镜片到一台整机
镜片到一台能用的模组,中间有四道质量关卡。每一关检测的参数不同、用的设备不同,任何一关漏检,问题都会流到下一关,最终变成整机返修或客户投诉。
2026-11-19
-
中心偏差和空气间隔,为什么要放在一台设备上测
一个镜头能不能用,取决于两件事:看得清不清,和对得准不准。
2026-11-19
