Un grupo de investigadores del Instituto Tecnológico de Massachusetts (MIT) ha presentado una innovadora técnica de imágenes para ver lo que hay dentro de una caja de cartón o un compartimento de plástico, incluso cuando los objetos están cubiertos por materiales de embalaje. La técnica llamada mmNorm utiliza las señales de ondas milimétricas (mmWave) para generar la imagen del objeto oculto. Esta innovación podría aplicarse en la seguridad de los aeropuertos, hogares e incluso en residencias de ancianos.
Las ondas mmWave son similares a las empleadas por el wifi, pero poseen la característica de atravesar materiales donde la luz visible no llega. Esto permite que el sistema recoja reflejos procedentes de objetos que no están a la vista. mmNorm analiza esas señales y, a través de un algoritmo especializado, obtiene estimaciones detalladas sobre la forma de la superficie de cada objeto escondido.
Una de las principales ventajas del nuevo método es su precisión. En pruebas con diferentes objetos de uso diario, la reconstrucción atendió al 96% de las partes de la superficie, superando con creces a otras metodologías que solo lograban un 78%. Además, ofrece esta capacidad sin requerir mayor ancho de banda, lo que facilita su uso en ambientes industriales, logísticos o incluso en hogares.
Reconstrucción 3D del objeto oculto
Los investigadores crearon un prototipo mmNorm conectando un radar a un brazo robótico, que toma mediciones continuamente mientras se mueve alrededor de un objeto oculto. El sistema compara la intensidad de las señales que recibe en diferentes puntos para estimar la curvatura de la superficie del objeto.
Por ejemplo, la antena recibirá los reflejos más fuertes de una superficie apuntada directamente hacia ella y señales más débiles de superficies que no estén orientadas directamente hacia la antena. Debido a que varias antenas en el radar reciben cierta cantidad de reflexión, cada antena ‘vota’ sobre la dirección de la normal a la superficie en función de la intensidad de la señal que recibe.
mmNorm estima la normal de la superficie desde todos los puntos del espacio, generando numerosas superficies posibles. Para encontrar la correcta, los investigadores adoptaron técnicas de gráficos por computadora y crearon una función 3D que selecciona la superficie más representativa de las señales recibidas. Utilizan esto para generar una reconstrucción 3D final.
Menos errores en la reconstrucción
El equipo probó la capacidad de mmNorm para reconstruir más de 60 objetos con formas complejas, como el asa y la curva de una taza. Generó reconstrucciones con un 40% menos de error que los métodos más modernos, a la vez que estimó la posición de un objeto con mayor precisión.
Su nueva técnica también puede distinguir entre varios objetos, como un tenedor, un cuchillo y una cuchara escondidos en la misma caja. También funcionó bien con objetos de diversos materiales, como madera, metal, plástico, goma y vidrio, así como con combinaciones de materiales, pero no funciona con objetos ocultos tras metal o paredes muy gruesas.
Respecto a las aplicaciones de mmNorm, se podría utilizar para que un robot pueda distinguir entre varias herramientas en una caja, determinar la forma y ubicación precisas del mango de un martillo y planificar su uso. También se podría usar mmNorm con un visor de realidad aumentada, lo que permitiría a un trabajador de fábrica ver imágenes realistas de objetos completamente ocultos. O incluso, podría incorporarse a aplicaciones de seguridad y defensa existentes, generando reconstrucciones más precisas de objetos ocultos en los escáneres de seguridad de los aeropuertos.