据外媒报道，日前，美国国防高级研究计划局（DARPA）官员发布了一份关于“隐形前大灯”（Invisible Headlines）项目的广泛机构公告（HR001120S0045），旨在开发计算密集型的3D红外传感器，使用三角测量和热感图像中的环境信号创建精确的传感器，以用于无人驾驶车辆导航。
“隐形前大灯”项目试图量化周围环境中热辐射所包含的信息，从而为无人驾驶车辆导航提供无源3D视图。这是由于自动和半自动系统需要依靠主动照明在夜间或地下导航，但是这种方法较易被敌人发现，因此具有很大的安全隐患。
该项目试图通过使用足够精确和快速的、完全无源的3D传感器，利用环境热光来消除这一漏洞。而传统的红外传感器在设计上无法从周围环境的热辐射中收集到几乎所有可用信息，因此此种隐形前灯方法与以往的方法有着根本的不同。
隐形前大灯光电法试图在场景中使用非目标影像（non-target artifacts），而以往这些影像可能被认为是杂乱的，无法提供实现3D视觉所需的必要信号。该方法将量化环境热辐射中的可用信息，确定其中对构建场景3D模型有用的信息，定义传感器设计的交换空间，开发用于增加测量多样性的新传感器，并在现场测试中验证所有数据。
该项目有两个主要目标，即了解环境热辐射中的有用信息，以及实现自动驾驶导航无源3D视图。DARPA研究人员表示，对环境热辐射的可测量信息进行量化非常重要，而且非常依赖环境，取决于环境中物体周围的温度、化学成分、几何形状和大气。此外，还取决于传感器的孔径、位置、测量模式和性能。在实践中，由于环境非常复杂，因此需要测量而不是建模来描述实际的信号变化。
该项目的承包商将开发接近零噪声的传感器，这种传感器每秒的测量能力比传统传感器高几个数量级，以实现快速、高空间分辨率、高光谱分辨率的环境测量和高速3D视觉。如果成功，这些新传感器将使3D视觉的速度超过每小时25英里。
该项目分三个阶段进行：第一阶段为期18个月，主要确定热辐射中是否包含足够的信息，以用于夜间或地下自动驾驶；第二阶段为期21个月，重点完善模型、进行实验设计，并进行测试，确保系统能够获取所需信息；第三阶段为期18个月，重点构建并测试无源3D传感器。
