A camera that can see around corners | David Lindell

Transcriber: Ivana Korom Reviewer: Krystian Aparta

Translator: Mansoureh Hadavand Reviewer: Masoud Motamedifar

In the future,

در آینده،

self-driving cars will be safer and more reliable than humans.

ماشین‌های خودران امن‌تر و نسبت به آدم‌ها قابل اعتمادتر خواهند بود.

But for this to happen,

اما برای رسیدن به آن،

we need technologies that allow cars to respond

ما به فناوری‌هایی نیاز داریم که به ماشین‌ها اجازه دهد تا

faster than humans,

سریعتر از انسان‌ها باشند.

we need algorithms that can drive better than humans

ما به الگوریتم‌هایی نیاز داریم که بهتر از انسان‌ها رانندگی کنند،

and we need cameras that can see more than humans can see.

و به دوربین‌هایی نیاز داریم که بیش از انسان‌ها ببینند.

For example, imagine a self-driving car is about to make a blind turn,

برای مثال، یک ماشین خودران را تصور کنید که می‌خواهد بدون دید کافی دور بزند،

and there's an oncoming car

یک ماشین هم از مقابل می‌آید

or perhaps there's a child about to run into the street.

یا شاید یک بچه دارد می‌پرد وسط خیابان.

Fortunately, our future car will have this superpower,

خوشبختانه ماشین آتی ما این ابرقدرت را دارد،

a camera that can see around corners to detect these potential hazards.

دوربینی که می‌تواند گوشه‌ها را ببیند تا از این خطرات بالقوه پیشگیری کند.

For the past few years as a PhD student

در چندسال اخیر به عنوان یک دانشجوی دکتری

in the Stanford Computational Imaging Lab,

در آزمایشگاه محاسبات تصویری دانشگاه استنفورد،

I've been working on a camera that can do just this --

روی دوربینی کار کرده‌ام که که بتواند این کار را انجام دهد-

a camera that can image objects hidden around corners

دوربینی که می‌تواند اشیا پنهان در گوشه و کنار

or blocked from direct line of sight.

یا اشیایی که مستقیما در دید نیستند را تصویربرداری کند.

So let me give you an example of what our camera can see.

بگذارید از آنچه که دوربین ما می‌تواند ببیند مثالی بزنم.

This is an outdoor experiment we conducted

این یک آزمایش در فضای باز است که ما انجام دادیم

where our camera system is scanning the side of this building with a laser,

که سیستم دوربین ما این قسمت از ساختماان را با لیزر اسکن می‌کند،

and the scene that we want to capture

و این صحنه‌ای که می‌خواهیم بگیریم

is hidden around the corner behind this curtain.

درست پشت پرده پنهان شده است.

So our camera system can't actually see it directly.

بنابراین سیستم دوربین ما در واقع نمی‌تواند آن را مستقیما ببیند.

And yet, somehow,

و هنوز، تا حدودی،

our camera can still capture the 3D geometry of this scene.

دوربین ما فقط می‌تواند هندسه سه بعدی این صحنه را ضبط کند.

So how do we do this?

خوب چطور این کار را بکنیم؟

The magic happens here in this camera system.

جادو دقیقا همینجا در سیستم دوربین اتفاق می‌افتد.

You can think of this as a type of high-speed camera.

می‌توانید آن را یک نوع دوربین با سرعت تصویربرداری بسیار بالا تصور کنید

Not one that operates at 1,000 frames per second,

نه تنها ۱۰۰۰ فریم در ثانیه

or even a million frames per second,

یا حتی یک میلیون فریم در ثانیه،

but a trillion frames per second.

بلکه یک تریلیون فریم در ثانیه می‌گیرد.

So fast that it can actually capture the movement of light itself.

آنقدر سریع که می‌تواند حرکت نور را هم بگیرد.

And to give you an example of just how fast light travels,

یک مثال بزنم تا بدانید که نور چقدر سریع حرکت می‌کند،

let's compare it to the speed of a fast-running comic book superhero

بیایید آن را با سرعت ابرقهرمان سریع کتاب‌های مصور مقایسه کنیم

who can move at up to three times the speed of sound.

که می‌تواند تا سه برابر سرعت صوت حرکت کند.

It takes a pulse of light about 3.3 billionths of a second,

یک پالس نور حدود ۳.۳ میلیاردم ثانیه

or 3.3 nanoseconds,

یا ۳.۳ نانو ثانیه طول می‌کشد،

to travel the distance of a meter.

تا مسافت یک متری را طی کند.

Well, in that same time,

خوب، در همین زمان،

our superhero has moved less than the width of a human hair.

ابرقهرمان ما کمتر از قطر موی یک انسان حرکت کرده است.

That's pretty fast.

خیلی سریع است.

But actually, we need to image much faster

اما در واقع، ما باید آنرا خیلی سریعتر تصویر کنیم

if we want to capture light moving at subcentimeter scales.

اگر بخواهیم حرکت نور را در مقیاس کمتر از سانتیمتر ضبط کنیم.

So our camera system can capture photons

بنابراین سیستم دوربین ما می‌تواند فوتون‌ها را ضبط کند

at time frames of just 50 trillionths of a second,

در چارچوب زمانی فقط ۵۰ تریلیونیم ثانیه،

or 50 picoseconds.

یا ۵۰ پیکوثانیه.

So we take this ultra-high-speed camera

پس ما از این دوربین فوق‌العاده پرسرعت استفاده می‌کنیم

and we pair it with a laser that sends out short pulses of light.

و آن را با یک لیزر جفت می‌کنیم که پالس‌های کوتاهی از نور ارسال می‌کند.

Each pulse travels to this visible wall

هر پالس این دیواره مرئی را طی می‌کند

and some light scatters back to our camera,

و بعضی از نورها به دوربین ما باز می‌گردند،

but we also use the wall to scatter light around the corner

اما ما از دیوار برای پراکنده کردن نور در گوشه‌‌ و به سمت جسم پنهان

to the hidden object and back.

نیز استفاده می‌کنیم.

We repeat this measurement many times

ما این اندازه گیری را بارها تکرار می‌کنیم

to capture the arrival times of many photons

تا دفعات رسیدن فوتون‌ها را

from different locations on the wall.

از نقاط مختلف دیواراندازه‌گیری کنیم.

And after we capture these measurements, we can create

بعد از این اندازه‌گیری‌ها می‌توانیم

a trillion-frame-per-second video of the wall.

یک ویدئوی یک تریلیون فریمی درهر ثانیه از دیوار بگیریم.

While this wall may look ordinary to our own eyes,

در حالیکه این دیوار به چشم ما عادی به نظر می‌رسد،

at a trillion frames per second, we can see something truly incredible.

با یک تریلیون فریم درهرثانیه می‌توانیم چیزی واقعاً باورنکردنی ببینیم.

We can actually see waves of light scattered back from the hidden scene

در واقع می‌توانیم امواج نور پراکنده شده در صحنه پنهان را ببینیم

and splashing against the wall.

و آن را روی دیوار بیندازیم.

And each of these waves carries information

و هر یک از این امواج حاوی اطلاعاتی هستند

about the hidden object that sent it.

درباره شیء پنهانی که آن را فرستاده است.

So we can take these measurements

پس می‌توانیم این اندازه‌ها را بگیریم

and pass them into a reconstruction algorithm

وبا استفاده از یک الگوریتم بازسازی آنها را انتقال دهیم

to then recover the 3D geometry of this hidden scene.

و سپس با استفاده از هندسه سه بعدی این صحنه پنهان را بازیابی کنیم.

Now I want to show you one more example of an indoor scene that we captured,

حالا می‌خواهم مثال دیگری بزنم از صحنه‌ای داخل ساختمان که ضبط کردیم،

this time with a variety of different hidden objects.

این بار با یک تفاوت که چندین شی متفاوت داریم.

And these objects have different appearances,

و این اشیا ظاهر متفاوتی نیز دارند،

so they reflect light differently.

پس نور را به شکل دیگری برمی‌گردانند.

For example, this glossy dragon statue reflects light differently

مثلاَ، این مجسمه اژدهای براق نسبت به این گوی آینه‌ای

than the mirror disco ball

یا نسبت به این مجسمه دیسک‌پران

or the white discus thrower statue.

نور را به صورت متفاوتی برمی‌گرداند.

And we can actually see the differences in the reflected light

و ما در واقع می‌توانیم تفاوت‌ها را در نور بازگشتی مشاهده کنیم

by visualizing it as this 3D volume,

با استفاده از تصویرسازی حجم سه بعدی

where we've just taken the video frames and stacked them together.

درحالیکه فریم‌های ویدیویی را گرفته‌ایم و آنها را پشت هم قرار داده‌ایم.

And time here is represented as the depth dimension of this cube.

و زمان در اینجا به عنوان بعد عمق این مکعب نشان داده شده است.

These bright dots that you see are reflections of light

این نقطه‌های درخشانی که مشاهده می‌کنید انعکاس نور هستند

from each of the mirrored facets of the disco ball,

از بازتاب هرگوشه‌ی گوی آیینه‌ای،

scattering against the wall over time.

که در طول زمان روی دیوار پخش می‌شود.

The bright streaks of light that you see arriving soonest in time

باریکه‌های نوری که می‌بینید زودتر می‌رسند

are from the glossy dragon statue that's closest to the wall,

از سمت مجسمه‌ی اژدهایی است که نزدیک دیوار است،

and the other streaks of light come from reflections of light from the bookcase

و سایر باریکه‌های نور از انعکاس قفسه کتاب

and from the statue.

و از این مجسمه هستند.

Now, we can also visualize these measurements frame by frame,

حال می‌توانیم این معیارها را فریم به فریم تجسم کنیم،

as a video,

مثل یک ویدیو،

to directly see the scattered light.

تا مستقیما نور پراکنده شده را ببینیم.

And again, here we see, first, reflections of light from the dragon,

و دوباره، اینجا ابتدا، انعکاس نور اژدها را مشاهده می‌کنیم،

closest to the wall,

که نزدیک دیوار است،

followed by bright dots from the disco ball

که توسط نقاط روشن گوی آیینه‌ای ادامه پیدا کرده

and other reflections from the bookcase.

و سایر انعکاس‌ها از قفسه کتاب است.

And finally, we see the reflected waves of light from the statue.

و در نهایت، امواج منعکس شده از نور این مجسمه را می‌بینیم.

These waves of light illuminating the wall

این امواج دیوار را روشن می‌کنند

are like fireworks that last for just trillionths of a second.

مانند آتش بازی‌هایی که فقط برای تریلیونم ثانیه ماندگار هستند.

And even though these objects reflect light differently,

و حتی اگر این اشیاء، نور را به صورتی متفاوت منعکس کنند،

we can still reconstruct their shapes.

ما می‌توانیم شکل آنها را بازسازی کنیم

And this is what you can see from around the corner.

و این همان چیزی است که شما در گوشه‌ها می‌توانید مشاهده کنید

Now, I want to show you one more example that's slightly different.

حالا، می‌خواهم مثال دیگری را با کمی تفاوت نشان دهم.

In this video, you see me dressed in this reflective suit

در این ویدیو، من را در لباس بازتابنده می‌بینید

and our camera system is scanning the wall at a rate of four times every second.

و دوربین ما در حال اسکن دیوار با سرعت چهار بار در هر ثانیه است.

The suit is reflective,

این لباس بازتابنده است،

so we can actually capture enough photons

بنابراین می‌توانیم فوتون‌های کافی را ضبط کنیم

that we can see where I am and what I'm doing,

که می‌توانیم ببینیم من کجا هستم و چه می‌کنم،

without the camera actually directly imaging me.

بدون دوربین دقیقا تصویر من را بگیرید.

By capturing photons that scatter from the wall to my tracksuit,

با استفاده از ضبط فوتون‌هایی که از لباس ورزشی من روی دیوار پخش می‌شوند،

back to the wall and back to the camera,

که به دیوار برمی‌گردد و از آنجا به دوربین،

we can capture this indirect video in real time.

می‌توانیم این ویدیوی غیرمستقیم را در لحظه ضبط کنیم.

And we think that this type of practical non-line-of-sight imaging

فکر می‌کنیم که این نوع از تصویربرداری غیرمستقیم بصری

could be useful for applications including for self-driving cars,

می‌تواند نه تنها برای اپلیکیشن‌های داخل اتومبیل‌های خودران مفید باشد،

but also for biomedical imaging,

بلکه برای تصویربرداری پزشکی،

where we need to see into the tiny structures of the body.

که ما نیاز داریم ساختارهای ریز بدن را ببینیم نیز مفید باشد.

And perhaps we could also put similar camera systems on the robots

شاید بتوانیم سیستم‌های دوربین مشابه آنرا در روبات‌ها قرار دهیم

that we send to explore other planets.

تا برای کاوش به سیارات دیگر بفرستیم.

Now you may have heard about seeing around corners before,

شاید قبلا در مورد دیدن ورای گوشه‌ها چیزی شنیده باشید،

but what I showed you today would have been impossible

اما چیزی که امروز نشانتان دادم دوسال پیش

just two years ago.

غیرممکن به نظر می‌رسید.

For example, we can now image large, room-sized hidden scenes outdoors

برای مثال، امروزه می‌توانیم تصاویر به بزرگی اتاق را با سرعت بالا

and at real-time rates,

در بیرون ببینیم،

and we've made significant advancements towards making this a practical technology

و پیشرفت‌های مهمی به سوی کاربردی کردن این تکنولوژی صورت گرفته است

that you could actually see on a car someday.

تا بتوانیم روزی آن را روی اتومبیل پیاده کنیم.

But of course, there's still challenges remaining.

اما البته، هنوز چالش‌هایی باقی مانده است.

For example, can we image hidden scenes at long distances

برای مثال، آیا می‌توانیم مناظر پنهان در مسافت‌های دور را

where we're collecting very, very few photons,

با جمع آوری فوتون‌های خیلی خیلی کم

with lasers that are low-power and that are eye-safe.

به وسیله لیزرهای کم مصرف که برای چشم ضرری ندارند تصویربرداری کنیم.

Or can we create images from photons

یا از فوتون‌هایی که بارها بیشتر از یک شکست ساده

that have scattered around many more times

در اطراف پخش شده‌اند

than just a single bounce around the corner?

تصاویری خلق کنیم؟

Can we take our prototype system that's, well, currently large and bulky,

آیا می‌توانیم مدل سیستم اولیه‌مان که درحال حاضر بزرگ و حجیم است را

and miniaturize it into something that could be useful

به چیزی که برای تصویربرداری پزشکی می‌تواند مفید باشد

for biomedical imaging

یا شاید به نوعی سیستم

or perhaps a sort of improved home-security system,

سیستم امنیت خانگی اصلاح شده تبدیل کنیم؟

or can we take this new imaging modality and use it for other applications?

یا می‌توانیم از این کیفیت تصویربرداری جدید در اپلیکیشن‌های دیگر استفاده کنیم؟

I think it's an exciting new technology

من فکر می‌کنم که این تکنولوژی جدیدی است

and there could be other things that we haven't thought of yet

و چیزهای دیگری هم وجود دارند که هنوز به آنها فکر نکرده‌ایم که

to use it for.

می‌شود در آنها بکار رود.

And so, well, a future with self-driving cars

خوب، آینده با ماشین‌های خودران

may seem distant to us now --

برای ما به نظر بعید می‌رسد --

we're already developing the technologies

هم اکنون در حال توسعه تکنولوژی‌هایی هستیم

that could make cars safer and more intelligent.

که می‌تواند ماشین‌های ما را ایمن‌تر و هوشمندتر کند.

And with the rapid pace of scientific discovery and innovation,

و با سرعت بالای ابداع و کشف علمی،

you never know what new and exciting capabilities

هیچوقت نمی‌دانید که چه امکانات جالب جدیدی

could be just around the corner.

در راه است.

(Applause)

(تشویق)