小行星险撞地球，为什么近到眼前才发现？一周科技速览

⼩⾏星险撞地球，为什么近到眼前才发现？⼀周科技速览空间科学

Space Science

⼩⾏星险撞地球，为什么近到眼前才发现？

7⽉25⽇你在做什么？

那天，有颗名叫“2019 OK”直径57-130⽶的⼩天体，差点撞上地球。最近的时候，离我们的头顶

只有7万公⾥，相当于地⽉距离1/5！要是这个数字没给你感受到惊险的话，来对⽐⼀下洛希极

限，对，就是电影《流浪地球》⾥提到的那个洛希极限。根据来犯天体的密度不同，地球的洛

希极限⼤约就在1~3万公⾥左右。这次7万公⾥的擦肩邂逅，真⼼没有偏出太多。

也许你还觉得直径100⽶左右的⽯头听起来没什么可怕，然⽽历史告诉我们，哪怕⼀个直径10⽶

的⼩天体撞上地球也会产⽣原⼦弹级别的破坏⼒。2002年6⽉6⽇降落在东地中海，2009年10⽉

8⽇降落在印度尼西亚，这两次撞击的天体都只有10⽶左右，但是都释放了不亚于⼴岛原⼦弹的

能量。所幸这两次撞击地点都远离⼈类居住区，没有造成⼈员伤亡。⽽2013年2⽉15⽇那次发

⽣在俄罗斯的陨⽯事件就没有那么幸运。尽管不是结实地撞击地球，只是斜擦过地球时在3万⽶

⾼空碎裂，这颗仅20⽶⼤⼩的天体，仍然在⼈⼝稀疏的Chelyabinsk市造成了1491⼈受伤，⼤

多是被震碎的玻璃划伤。

对太阳系⾥这些熊孩⼦⼀样乱跑的⼩天体，天⽂学家们早就⼜担⼼⼜害怕，尤其是其中的近地

⼩⾏星——直径1公⾥以上且轨道跟地球轨道有交叉的⼩⾏星——天⽂界专门组织了巡天监测任

务。承担熊孩⼦看守⼯作的有Pan-STARRS、ATLAS、SONEAR和Catalina等。⼏天前这次惊

险⼀幕，就是被巴西的SONEAR发现的。SONEAR的全称是Southern Observatory for Near

Earth Asteroids Research，看名字就知道他们的本职是什么了。

你猜SONEAR提前了多久发现“2019 OK”这个熊孩⼦？答案是7⽉24⽇，也就是只提前了1天！

先别掀桌⼦，其实11年前也有⼀次类似经历，2008年10⽉6⽇Catalina巡天系统发现了⼀个直径

4⽶多的⼩天体要撞击地球，20⼩时后的10⽉7⽇，这颗刚刚被命名为“2008 TC3”的⼩天体，就

在苏丹北部努⽐亚沙漠上空爆炸，化做耀眼的流星⾬。

科学家之所以没能更早地发现“2008 TC3”和“2019 OK”，完全是因为这种直径只有⼏百⽶甚⾄⼏

⼗⽶的天体实在太暗了。如果在夜晚可观测到的话，发现难度还相对低些，可是如果运⾏轨迹

刚巧淹没在太阳光中，那科学家们就算瞪瞎了眼睛也不可能看到。更何况承担⼤范围巡天任务

的都是⼩⼝径望远镜，只有专注⼩范围天区的⼯作才使⽤⼤⼝径望远镜。

另外⼀个困难就是引⼒扰动影响，⼩天体很容易受⾏星或卫星的影响改变轨道，这种轨道改变

本质上是混沌系统，不能长期精确预测，只能持续跟踪观察，并根据观察结果数据不断更新轨

道计算结果。

当然，真正世界末⽇级别的威胁主要还是来⾃于直径在1公⾥以上的⼩⾏星，⽐如6500万年前灭

绝了恐龙的那颗⼩⾏星，据估计直径⼤约10公⾥左右。⾃从近地⼩⾏星巡天监测成为⼀个专门

任务以来，已经有近900颗直径1公⾥以上的⼩⾏星被密切监视着。

所幸近年来新发现的直径1公⾥以上的⼩⾏星数量越来越少，这个趋势让我们⼤体可以不必太担

⼼遭遇物种灭绝级别的⼤灾难。最近新加⼊监视清单的都是直径1公⾥以下的⼩天体，⽽且似乎

存在某种机制在不断制造出⼩天体。

噢，对了，科学家还预测到10年后还有⼀次惊险时刻。2029年4⽉13⽇（那天是个星期五，是

不是有点慌？）⼀颗直径400⽶的⼩⾏星会擦过地球，最近距离只有3万公⾥，⽐这次更近……

交叉学科

Interdisciplinary

学科交叉：地震学启发光学算法，⽩墙能当镜⼦⽤有了新进展！

Wave-based non-line-of-sight imaging using fast F-K migration

针对⾮视距成像（NLOS）问题，斯坦福⼤学提出了⼀种基于波的成像模型。受到地震学⽅法的启发，他们采⽤频域⽅法f-k偏移来求解NLOS的反演问题[1, 2]。那么，什么是⾮视距成像？简单来说，就是应⽤⼀些中间媒介，对躲藏在遮挡物之后的⽬标进⾏数字化重建，从⽽让⼈“看到”视线所不及之处的场景。

· 如何进⾏⽬标物重建？

⽬标物的重建依托于⾮视距成像原理，具体来说，在拍摄时，⾼速脉冲激光器（如⽪秒激光器）发射的⾼速脉冲，⼊射⾄墙⾯或天花板等遮挡物发⽣散射，散射光传向待测⽬标物体表⾯，经过⽬标物再次反射散射后⼀部分光⼦得以原路返回。最终，这些光⼦会回到激光的出射位置，根据光⼦返回时间的差异，成像系统能对拍摄空间进⾏数字化计算，从⽽重建出隐藏物体的三维⼏何形貌。

成像系统记录了激光从墙上散射后，继⽽从隐藏⽬标⾝上反射，再回到墙上所花的时间。通过获取不同激光位置在壁⾯上的定时测量值，可以重建隐藏物体的三维⼏何形状 | 图⽚来源：David Lindell

· 频域⽅法f-k偏移的算法优势

与现有的⾮视距成像算法不同，f-k偏移算法计算速度快，内存效率⾼，与其他⽅法相⽐，f-k偏移算法对测量噪声具有更强的鲁棒性，通常能产⽣更好的重建质量，且原理简单易于实现。

频域⽅法f-k偏移来求解NLOS的反演问题，简单来说，需要三个步骤。(1)将测量值进⾏傅⾥叶变换，(2)沿时间频率维度重新采样。然后，(3)利⽤傅⾥叶反变换恢复隐藏⽬标物的三维⼏何形状。具体过程如下视频所⽰。

视频来源：David Lindell

利⽤f-k偏移算法实现的⾮视距成像，已经得到了许多令⼈着迷的实验结果。在交互捕捉实验中，我们可以以4 fps的交互速率捕捉⾝着⽩⾊反光服志愿者的运动。虽然从拐⾓处拍摄，但我们清楚地重建了志愿者的运动⾏为。

交互捕捉|视频来源：David Lindell

在户外环境下实测（噪声更⼤），利⽤⾼能激光束扫描⽯头墙壁也成功地实现了隐藏场景（⽯膏雕像以及绿植）的重建，该实验也进⼀步验证了f-k偏移算法具有更强的鲁棒性。

户外实测 | 视频来源：David Lindell

虽然，⽬前这种技术，在⼀些简单环境中，实验性质的操作，或者说理论上的验证没有任何问题。但要进⼊实际应⽤，也许还需要技术⽅⾯更⼤的突破。

[1] https:///press/view/29312

[2] /publications/nlos-fk/

智能设备

Intelligent Device

超乎想象：智能⼿机甚⾄可以进⾏病毒检测

Mobile imaging platform for digital influenza virus counting

传统的科研离不开⼤量的设备，⽽上位机更是其中进⾏协调和指挥的“⼤脑中枢”。计算机作为⼀种应⽤最为⼴泛的上位机，已成为了数据处理和分析的最为主要的平台。智能⼿机以及各种移动端设备的普及，使得轻量化、云端、远程科研成为了另外⼀种趋势。试想，⽆论你⾝在何地，通过⾝边的智能⼿机就可以控制和操作复杂的实验流程，这将是多么的便捷与⾼效！⼀个典型的例⼦就发⽣在⼈⼯智能领域，科学家曾尝试利⽤智能⼿机进⾏神经⽹络训练，当全球⼏⼗上百亿台智能⼿机同时进⾏算法训练，其算⼒将远超这个地球上性能最强的超级计算机。

另⼀个例⼦发⽣在最近，⽇本科学家利⽤智能⼿机实现了病毒检测[1]。⽬前评估病毒和其他疾病⽣物标记物存在的主要⽅法虽然很⾼效的，但是往往规模较⼤且价格昂贵，甚⾄由于某些经济和地理因素，使得它在许多情况下都难以使⽤。因此，东京⼤学研究⼈员使⽤低成本组件和智能⼿机创造并测试了⼀种微型系统，研究⼈员希望该系统能够帮助到那些处理和分析疾病传播的医疗⼈员。