A camera that can see around corners | David Lindell

92,025 views ・ 2020-04-21

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

00:00
Transcriber: Ivana Korom Reviewer: Krystian Aparta
0
0
7000
Translator: Emma Gro Helles Reviewer: Anders Finn Jørgensen
00:12
In the future,
1
12937
1175
I fremtiden,
vil selvkørende biler være sikrere og mere pålidelige end mennesker.
00:14
self-driving cars will be safer and more reliable than humans.
2
14136
3654
Men for at det kan lade sig gøre,
00:18
But for this to happen,
3
18175
1222
00:19
we need technologies that allow cars to respond
4
19421
2730
behøver vi teknologier, der lader biler reagere
00:22
faster than humans,
5
22175
1267
hurtigere end mennesker,
00:23
we need algorithms that can drive better than humans
6
23466
3714
vi behøver algoritmer, der kan køre bedre end mennesker
00:27
and we need cameras that can see more than humans can see.
7
27204
4103
og vi behøver kameraer, der kan se mere end mennesker kan se.
00:32
For example, imagine a self-driving car is about to make a blind turn,
8
32061
4730
For eksempel, forestil dig, at en selv- kørende bil er ved at tage et blindt sving
00:36
and there's an oncoming car
9
36815
1334
og der er en modkørende bil
00:38
or perhaps there's a child about to run into the street.
10
38173
2785
eller måske er der et barn, der er ved at løbe ud på gaden.
00:41
Fortunately, our future car will have this superpower,
11
41458
3564
Heldigvis, vil vores fremtidsbil have en superkraft:
00:45
a camera that can see around corners to detect these potential hazards.
12
45046
4099
Et kamera der kan se omkring hjørner for at spore disse potentielle farer.
00:49
For the past few years as a PhD student
13
49876
2079
De sidste par år som PhD-studerende
00:51
in the Stanford Computational Imaging Lab,
14
51979
2277
på Stanford Computational Imaging Lab,
00:54
I've been working on a camera that can do just this --
15
54280
2754
har jeg arbejdet på et kamera, der kan gøre lige netop dét --
00:57
a camera that can image objects hidden around corners
16
57058
3398
et kamera der kan afbilde genstande, skjult af hjørner
01:00
or blocked from direct line of sight.
17
60480
2772
eller blokkeret fra den direkte sigtelinje
01:03
So let me give you an example of what our camera can see.
18
63276
3452
Så lad mig give jer et eksempel på hvad vores kamera kan se.
01:06
This is an outdoor experiment we conducted
19
66752
2563
Det her er et udendørseksperiment, vi foretog
01:09
where our camera system is scanning the side of this building with a laser,
20
69339
3810
hvor vores kamerasystem scanner bygningens side med en laser
01:13
and the scene that we want to capture
21
73173
1960
og den scene, vi vil fange,
01:15
is hidden around the corner behind this curtain.
22
75157
2960
er skjult rundt om hjørnet bag dette gardin.
01:18
So our camera system can't actually see it directly.
23
78141
2977
Så vores kamerasystem kan faktisk ikke se det direkte.
01:21
And yet, somehow,
24
81561
1168
Og dog, på én eller anden måde,
01:22
our camera can still capture the 3D geometry of this scene.
25
82753
4548
kan vores kamera stadig fange denne scenes 3D-geometri.
01:27
So how do we do this?
26
87704
1400
Så hvordan gør vi det?
01:29
The magic happens here in this camera system.
27
89498
2722
Magien sker her i dette kamerasystem.
01:32
You can think of this as a type of high-speed camera.
28
92244
3325
Du kan se det som en slags højhastighedskamera.
01:35
Not one that operates at 1,000 frames per second,
29
95593
3470
Ikke ét der tager 1.000 billeder per sekund
01:39
or even a million frames per second,
30
99087
2745
eller en million,
01:41
but a trillion frames per second.
31
101856
2253
men en billion billeder i sekundet.
01:45
So fast that it can actually capture the movement of light itself.
32
105023
4835
Så hurtigt at det faktisk kan fange selv lysets bevægelse.
01:50
And to give you an example of just how fast light travels,
33
110652
3643
Og for at give jer et eksempel på præcis hvor hurtigt lys rejser
01:54
let's compare it to the speed of a fast-running comic book superhero
34
114319
4285
lad os sammenligne det med en hurtigtløbende superhelts fart
01:58
who can move at up to three times the speed of sound.
35
118628
2748
som kan løbe op til tre gange lydens hastighed.
02:02
It takes a pulse of light about 3.3 billionths of a second,
36
122201
4199
Det tager en lyspuls ca. 3,3 milliardedele af et sekund
02:06
or 3.3 nanoseconds,
37
126424
1873
eller 3,3 nanosekunder
02:08
to travel the distance of a meter.
38
128321
2129
at bevæge sig en meter.
02:10
Well, in that same time,
39
130474
1935
På den samme tid
02:12
our superhero has moved less than the width of a human hair.
40
132433
3874
har vores superhelt bevæget sig mindre end bredden på et menneskehår.
02:16
That's pretty fast.
41
136633
1267
Det er ret hurtigt.
02:18
But actually, we need to image much faster
42
138306
2454
Men egentlig, må vi tage billeder meget hurtigere
02:20
if we want to capture light moving at subcentimeter scales.
43
140784
3388
hvis vi vil fange lys' bevægelse på skalaer i mindre end cm.
02:24
So our camera system can capture photons
44
144784
2497
Så vores kamerasystem kan fange fotoner
02:27
at time frames of just 50 trillionths of a second,
45
147305
3516
i tidsrammer på 50 billiondedele på et sekund,
02:30
or 50 picoseconds.
46
150845
1745
eller 50 picosekunder.
02:33
So we take this ultra-high-speed camera
47
153821
2502
Så vi tager dette ultra-højhastighedskamera
02:36
and we pair it with a laser that sends out short pulses of light.
48
156347
3674
og vi parrer det med en laser, der udsender korte pulser af lys.
02:40
Each pulse travels to this visible wall
49
160553
2635
Hver puls udsendes mod denne her synlige væg
02:43
and some light scatters back to our camera,
50
163212
2127
og noget lys spredes tilbage til vores kamera,
02:45
but we also use the wall to scatter light around the corner
51
165363
3216
men vi bruger også væggen til at sprede lys rundt om hjørnet
02:48
to the hidden object and back.
52
168603
1933
til det skjulte objekt og tilbage.
02:51
We repeat this measurement many times
53
171363
2238
Vi gentager denne måling mange gange
02:53
to capture the arrival times of many photons
54
173625
2540
for at tage ankomsttiden af mange fotoner
02:56
from different locations on the wall.
55
176189
2087
fra forskellige steder på væggen.
02:58
And after we capture these measurements, we can create
56
178300
2856
Og efter vi tager disse målinger, kan vi skabe
03:01
a trillion-frame-per-second video of the wall.
57
181180
2635
en billion-billeder-i-sekundet-video af væggen.
03:04
While this wall may look ordinary to our own eyes,
58
184371
3008
Mens væggen ser normal ud i vores øjne,
03:07
at a trillion frames per second, we can see something truly incredible.
59
187403
4475
kan vi, med en billion billeder / sek, se noget virkelig fantastisk.
03:12
We can actually see waves of light scattered back from the hidden scene
60
192275
4367
Vi kan faktisk se lysbølger, som er sendt tilbage fra det skjulte sted
03:16
and splashing against the wall.
61
196666
2067
og plasker imod væggen.
03:19
And each of these waves carries information
62
199063
2952
Og hver bølge medbringer information
03:22
about the hidden object that sent it.
63
202039
2278
om det skjulte objekt som sendte den.
03:24
So we can take these measurements
64
204341
1681
Så vi kan tage disse målinger
03:26
and pass them into a reconstruction algorithm
65
206046
2499
og putte dem igennem en genopbygningsalgoritme
03:28
to then recover the 3D geometry of this hidden scene.
66
208569
3881
for dernæst at genindvinde det skjulte steds 3D-geometri.
03:33
Now I want to show you one more example of an indoor scene that we captured,
67
213379
3810
Nu vil jeg vise jer et andet eksempel på en indendørsscene, som vi fangede.
03:37
this time with a variety of different hidden objects.
68
217213
3110
Denne gang med flere forskellige skjulte objekter.
03:40
And these objects have different appearances,
69
220347
2127
Og disse objekter har forskellige udseender,
03:42
so they reflect light differently.
70
222498
1833
så de reflekterer lys forskelligt.
03:44
For example, this glossy dragon statue reflects light differently
71
224355
3754
For eksempe, reflekterer denne blanke dragestatue lys anderledes
03:48
than the mirror disco ball
72
228133
1777
end den spejlbeklædte discokugle
03:49
or the white discus thrower statue.
73
229934
2611
eller den hvide statue af en diskoskaster.
03:52
And we can actually see the differences in the reflected light
74
232998
3419
Og vi kan faktisk se forskellene i det reflekterede lys
03:56
by visualizing it as this 3D volume,
75
236441
2841
ved at vise det som denne 3D figur
03:59
where we've just taken the video frames and stacked them together.
76
239306
3310
hvor vi har taget billederne og lagt dem sammen.
04:02
And time here is represented as the depth dimension of this cube.
77
242640
4299
Og tiden er her repræsenteret som dybdedimensionen i kassen.
04:07
These bright dots that you see are reflections of light
78
247914
3191
De lyse prikker man ser, er reflektioner af lys
04:11
from each of the mirrored facets of the disco ball,
79
251129
2546
fra hver af de spejlbeklædte facetter på discokuglen,
04:13
scattering against the wall over time.
80
253699
2191
som spredes på væggen over tid.
04:16
The bright streaks of light that you see arriving soonest in time
81
256422
3536
De stærke lysstriber som I kan se ankommer først,
04:19
are from the glossy dragon statue that's closest to the wall,
82
259982
3960
er fra den blanke dragestatue, som er tættest på væggen
04:23
and the other streaks of light come from reflections of light from the bookcase
83
263966
3801
og de andre lyspletter kommer fra reflektioner fra bogreolen
04:27
and from the statue.
84
267791
1333
og fra statuen.
04:29
Now, we can also visualize these measurements frame by frame,
85
269727
3887
Vi kan også se målene billede for billede
04:33
as a video,
86
273638
1192
som en video
04:34
to directly see the scattered light.
87
274854
1882
for at se det spredte lys direkte.
04:37
And again, here we see, first, reflections of light from the dragon,
88
277461
3619
Og igen ser vi først reflektioner af lys fra dragen
04:41
closest to the wall,
89
281104
1246
tættest på væggen
04:42
followed by bright dots from the disco ball
90
282374
3389
efterfulgt af klare pletter fra discokuglen
04:45
and other reflections from the bookcase.
91
285787
2719
og andre reflektioner fra bogreolen.
04:48
And finally, we see the reflected waves of light from the statue.
92
288530
4452
Og til sidst kan vi se de reflekterede lysbølger fra statuen.
04:53
These waves of light illuminating the wall
93
293840
2793
Disse lysbølger som oplyser væggen
04:56
are like fireworks that last for just trillionths of a second.
94
296657
4618
er ligesom fyrværkeri der kun varer billiondedele af et sekund.
05:05
And even though these objects reflect light differently,
95
305649
3246
Og selvom objekterne reflekterer lys forskelligt,
05:08
we can still reconstruct their shapes.
96
308919
2634
kan vi stadig genskabe deres former.
05:11
And this is what you can see from around the corner.
97
311577
2760
Og dette er, hvad du kan se rundt om hjørnet.
05:15
Now, I want to show you one more example that's slightly different.
98
315547
3429
Jeg vil vise jer ét til eksempel, der er en smule anderledes.
05:19
In this video, you see me dressed in this reflective suit
99
319000
3380
I denne video kan I se mig, klædt i en reflekterende dragt
05:22
and our camera system is scanning the wall at a rate of four times every second.
100
322404
4395
og vores kamerasystem scanner væggen fire gange i sekundet.
05:27
The suit is reflective,
101
327173
1214
Dragten er refleksiv,
05:28
so we can actually capture enough photons
102
328411
2658
så vi kan faktisk fange nok fotoner til,
05:31
that we can see where I am and what I'm doing,
103
331093
3548
at vi kan se hvor jeg er og hvad jeg gør
05:34
without the camera actually directly imaging me.
104
334665
2897
uden at kameraet fotograferer mig direkte.
05:37
By capturing photons that scatter from the wall to my tracksuit,
105
337586
4539
Ved at fange fotoner, der spredes fra væggen til min træningsdragt,
05:42
back to the wall and back to the camera,
106
342149
2134
tilbage til væggen og så tilbage til kameraet,
05:44
we can capture this indirect video in real time.
107
344307
3596
kan vi fange denne indirekte video i realtid.
05:48
And we think that this type of practical non-line-of-sight imaging
108
348954
3206
Og vi tror at denne slags praktisk 'blindvinkel-afbildning'
05:52
could be useful for applications including for self-driving cars,
109
352184
3726
kan være nyttig for applikationer inklusive selvkørende biler,
05:55
but also for biomedical imaging,
110
355934
2095
men også til biomedicinsk afbildning
05:58
where we need to see into the tiny structures of the body.
111
358053
3571
hvor vi skal se ind i kroppens mindste strukturer.
06:01
And perhaps we could also put similar camera systems on the robots
112
361974
3501
Og måske kunne vi også sætte lignende kamerasystemer på de robotter,
06:05
that we send to explore other planets.
113
365499
2665
som skal udforske andre planeter.
06:08
Now you may have heard about seeing around corners before,
114
368839
2762
I har måske hørt om at se om hjørner før,
06:11
but what I showed you today would have been impossible
115
371625
2574
men dét, jeg viste jer i dag, ville have været umuligt
06:14
just two years ago.
116
374223
1164
for bare to år siden.
06:15
For example, we can now image large, room-sized hidden scenes outdoors
117
375411
3857
For eksempel kan vi nu afbilde skjulte store udendørsscener på størrelse med rum
06:19
and at real-time rates,
118
379292
1849
i realtid
06:21
and we've made significant advancements towards making this a practical technology
119
381165
4357
og vi har gjort betydelige fremskridt mod at gøre dette til en praktisk teknologi,
06:25
that you could actually see on a car someday.
120
385546
2293
som man faktisk vil se på en bil en dag.
06:28
But of course, there's still challenges remaining.
121
388156
2580
Men selvfølgelig, er der stadig udfordringer tilbage.
06:30
For example, can we image hidden scenes at long distances
122
390760
4063
For eksempel; kan vi afbilde skjulte scener på lang afstand
06:34
where we're collecting very, very few photons,
123
394847
3143
hvor vi samler meget, meget få fotoner
06:38
with lasers that are low-power and that are eye-safe.
124
398014
3277
med lavenergilasere der er sikre for øjnene?
06:41
Or can we create images from photons
125
401641
2335
Eller kan vi skabe billeder fra fotoner,
06:44
that have scattered around many more times
126
404000
2029
der er blevet spredt mange flere gange
06:46
than just a single bounce around the corner?
127
406053
2603
end bare et enkelt hop rundtom hjørnet?
06:48
Can we take our prototype system that's, well, currently large and bulky,
128
408680
4643
Kan vi tage vores prototypesystem, der er, tja, stort og uhåndterbart lige nu
06:53
and miniaturize it into something that could be useful
129
413347
2540
og nedskalere det til noget der kunne være brugbart
06:55
for biomedical imaging
130
415911
1199
til biomedicinsk afbildning
06:57
or perhaps a sort of improved home-security system,
131
417134
3086
eller måske en slags forbedret tyverialarmsystem
07:00
or can we take this new imaging modality and use it for other applications?
132
420244
5512
eller kan vi tage denne nye afbildnings- modalitet og bruge den andre steder?
07:05
I think it's an exciting new technology
133
425780
1889
Jeg synes, det er en spændende ny teknologi
07:07
and there could be other things that we haven't thought of yet
134
427693
2928
og der kunne være andre ting, vi endnu ikke er kommet på
07:10
to use it for.
135
430645
1174
at bruge den til.
07:11
And so, well, a future with self-driving cars
136
431843
2545
Og således, kan en fremtid med selvkørende biler
07:14
may seem distant to us now --
137
434412
2166
virke fjern for os nu --
07:16
we're already developing the technologies
138
436602
1977
vi er allerede ved at udvikle de teknologier
07:18
that could make cars safer and more intelligent.
139
438603
2547
der kunne gøre biler sikrere og smartere.
07:21
And with the rapid pace of scientific discovery and innovation,
140
441698
3302
Og med den rivende hastighed på videnskabelig opdagelse og innovation,
07:25
you never know what new and exciting capabilities
141
445024
3047
kan vi ikke vide hvilke nye og spændende evner,
07:28
could be just around the corner.
142
448095
2134
der kunne være lige rundtom hjørnet.
07:30
(Applause)
143
450810
2920
(Applaus)
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7