A camera that can see around corners | David Lindell

Transcriber: Ivana Korom Reviewer: Krystian Aparta

Kääntäjä: Hannu Jaakkola Oikolukija: Marja Oilinki

In the future,

Tulevaisuudessa

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

itseajavat autot ovat turvallisempia

ja luotettavampia kuin ihmiset.

But for this to happen,

Jotta tämä tapahtuisi,

we need technologies that allow cars to respond

tarvitsemme teknologioita, joilla autot voivat reagoida

faster than humans,

nopeammin kuin ihmiset,

we need algorithms that can drive better than humans

tarvitsemme algoritmeja, jotka voivat ajaa ihmisiä paremmin

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

ja tarvitsemme kameroita, jotka näkevät enemmän kuin ihmiset.

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

Kuvittele itseajava auto, joka on kääntymässä sokeaan kulmaan,

and there's an oncoming car

ja kulman takaa tulee auto

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

tai ehkä siellä on lapsi, joka juoksee kadulle.

Fortunately, our future car will have this superpower,

Onneksi tulevaisuuden autollamme tulee olemaan tämä supervoima,

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

kamera, joka näkee kulmien taakse ja huomaa nämä vaarat.

For the past few years as a PhD student

Parina viime vuonna olen jatko-opiskelijana

in the Stanford Computational Imaging Lab,

Stanfordin Computational Imaging -laboratoriossa

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

kehittänyt kameraa, joka voi tehdä juuri tämän --

a camera that can image objects hidden around corners

muodostaa kuvia esineistä, jotka ovat piilossa kulman takana

or blocked from direct line of sight.

tai joihin ei ole suoraa näkölinjaa.

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

Tässä on esimerkki siitä, mitä kameramme voi nähdä.

This is an outdoor experiment we conducted

Tämä on ulkona tehty testi,

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

jossa kamerasysteemi skannaa rakennuksen seinää laserilla,

and the scene that we want to capture

ja näköala, jonka haluamme nähdä

is hidden around the corner behind this curtain.

on piilossa kulman takana tämän verhon takana.

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

Eli kamerasysteemimme ei voi nähdä sitä suoraan.

And yet, somehow,

Ja silti kuitenkin

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

kameramme voi muodostaa 3D-kuvan paikan geometriasta.

So how do we do this?

Miten teemme tämän?

The magic happens here in this camera system.

Taikuus löytyy kamerasysteemistä.

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

Tätä voi ajatella eräänlaisena nopeana kamerana.

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

Ei sellaisena, joka näkee 1 000 kuvaruutua sekunnissa

or even a million frames per second,

tai edes miljoona kuvaruutua sekunnissa,

but a trillion frames per second.

mutta biljoona kuvaruutua sekunnissa.

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

Se on niin nopea, että se voi tallentaa jopa valonsäteiden liikkeitä.

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

Esimerkkinä siitä, miten nopeasti valo liikkuu,

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

verrataan sitä nopeasti juoksevaan sarjakuvasankariin

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

joka voi liikkua kolme kertaa äänen nopeudella.

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

Valopulssilla kestää noin 3,3 sekunnin miljardisosaa,

or 3.3 nanoseconds,

tai 3,3 nanosekuntia

to travel the distance of a meter.

kulkea metrin matka.

Well, in that same time,

Tässä samassa ajassa

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

supersankarimme on liikkunut vähemmän kuin ihmisen hiuskarvan leveyden verran.

That's pretty fast.

Aika nopeasti siis.

But actually, we need to image much faster

Mutta meidän täytyy luoda kuva paljon nopeammin,

if we want to capture light moving at subcentimeter scales.

jos haluamme nähdä valon liikkeitä alle senttimetrin mittakaavassa.

So our camera system can capture photons

Joten kamerasysteemimme voi tallentaa fotoneita

at time frames of just 50 trillionths of a second,

jopa 50 biljoonasosasekunnin mittakaavassa,

or 50 picoseconds.

eli 50 pikosekunnissa.

So we take this ultra-high-speed camera

Joten otamme tämän ultranopean kameran

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

ja yhdistämme sen laseriin, joka lähettää lyhyitä valopulsseja.

Each pulse travels to this visible wall

Jokainen pulssi kulkee tähän näkyvään seinään

and some light scatters back to our camera,

ja osa valosta hajoaa takaisin kameraamme,

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

mutta seinä myös hajottaa valoa kulman taakse

to the hidden object and back.

piilotettuun esineeseen ja takaisin.

We repeat this measurement many times

Me toistamme tämän mittauksen monta kertaa

to capture the arrival times of many photons

ja tallennamme fotonien saapumisajat

from different locations on the wall.

seinän eri kohdista.

And after we capture these measurements, we can create

Kun olemme tallentaneet nämä tulokset, voimme luoda

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

biljoona kuvaa sekunnissa -videon seinästä.

While this wall may look ordinary to our own eyes,

Vaikka seinä näyttää tavalliselta meidän silmillemme,

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

biljoona kuvaa sekunnissa paljastaa jotain uskomatonta.

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

Voimme nähdä valon aallot, jotka hajosivat takaisin piilosta

and splashing against the wall.

ja osuivat seinään.

And each of these waves carries information

Jokainen näistä aalloista sisältää informaatiota

about the hidden object that sent it.

piilossa olevasta esineestä, joka lähetti ne.

So we can take these measurements

Voimme siis mitata näitä arvoja

and pass them into a reconstruction algorithm

ja syöttää ne algoritmiin, joka kokoaa ne uudelleen

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

ja paljastaa piilotetun 3D-geometrian.

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

Haluan näyttää teille vielä yhden esimerkin sisätiloista,

this time with a variety of different hidden objects.

tällä kertaa usealla erilaisella piilotetulla esineellä.

And these objects have different appearances,

Nämä esineet näyttävät erilaisilta,

so they reflect light differently.

ja ne heijastavat valoa eri tavoilla.

For example, this glossy dragon statue reflects light differently

Esimerkiksi tämä kiiltävä lohikäärme heijastaa valoa eri tavalla

than the mirror disco ball

kuin kiiltävä discopallo

or the white discus thrower statue.

tai valkoinen kiekonheittäjäpatsas.

And we can actually see the differences in the reflected light

Voimme nähdä erot heijastetussa valossa

by visualizing it as this 3D volume,

visualisoimalla ne tähän 3D-tilavuuskuvaajaan,

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

jossa olemme ottaneet videon kuvaruudut ja pinonneet ne päällekkäin.

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

Aika on esitetty tässä kuution syvyysmittana.

These bright dots that you see are reflections of light

Nämä kirkkaat pisteet ovat valon heijastumia

from each of the mirrored facets of the disco ball,

discopallon jokaisesta peilipinnasta,

scattering against the wall over time.

jotka siroavat seinää vasten ajan kuluessa.

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

Kirkkaat valojuovat, jotka saapuvat ajallisesti nopeiten

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

ovat kiiltävästä lohikäärmeestä joka on lähinnä seinää,

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

ja muut valojuovat ovat heijastuksia kirjahyllystä

and from the statue.

ja patsaasta.

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

Voimme myös visualisoida nämä mittaustulokset kuva kuvalta

as a video,

videomuodossa

to directly see the scattered light.

jotta näemme valon hajoamisen suoraan.

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

Näemme taas ensin valon heijastumia lohikäärmeestä,

closest to the wall,

lähinnä seinää,

followed by bright dots from the disco ball

jonka jälkeen kirkkaat pisteet discopallosta

and other reflections from the bookcase.

ja muita heijastuksia kirjahyllystä.

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

Viimeisenä näemme heijastuneet valoaallot patsaasta.

These waves of light illuminating the wall

Nämä valoaallot, jotka valaisevat seinää

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

ovat kuin ilotulitteita, jotka kestävät biljoonasosasekunnin.

And even though these objects reflect light differently,

Vaikka eri esineet heijastavat valoa eri tavoilla,

we can still reconstruct their shapes.

voimme silti saada niiden muodot näkyviin.

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

Ja tämä on mitä voi nähdä kulman takaa.

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

Seuraava esimerkki on vähän erilainen.

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

Tässä videossa näette minut pukeutuneena heijastavaan pukuun

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

ja kamerasysteemimme kuvaa seinää neljä kertaa sekunnissa.

The suit is reflective,

Puku on heijastava,

so we can actually capture enough photons

jotta voimme napata tarpeeksi fotoneita

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

ja nähdä, missä olen ja mitä olen tekemässä

without the camera actually directly imaging me.

ilman, että kamera kuvaa minua suoraan.

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

Tallentamalla fotoneita, jotka heijastuvat seinästä pukuuni,

back to the wall and back to the camera,

takaisin seinään ja sieltä kameraan,

we can capture this indirect video in real time.

voimme nähdä tämän epäsuoran videon reaaliajassa.

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

Mielestämme tämänlainen käytännöllinen, näkölinjaton kuvantaminen

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

voisi olla hyödyllinen itseajavissa autoissa,

but also for biomedical imaging,

mutta myös biokuvantamisessa,

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

jossa tarvitsemme tietoa kehon pienenpienistä rakenteista.

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

Voisimme ehkä käyttää samanlaisia kameroita niissä roboteissa,

that we send to explore other planets.

joita lähetämme tutkimaan muita planeettoja.

Now you may have heard about seeing around corners before,

Olette ehkä kuulleet kulman taakse näkemisestä ennenkin,

but what I showed you today would have been impossible

mutta se mitä näytin teille olisi ollut mahdotonta

just two years ago.

kaksi vuotta sitten.

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

Voimme esimerkiksi nähdä isoja, huoneen kokoisia tilanteita ulkona,

and at real-time rates,

reaaliajassa,

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

ja olemme kehittäneet teknologiaa merkittävästi käytännöllisemmäksi,

that you could actually see on a car someday.

jota voit nähdä jokin päivä autoissa.

But of course, there's still challenges remaining.

Mutta tietenkin meillä on vielä haasteita.

For example, can we image hidden scenes at long distances

Voimmeko esim. nähdä piilossa olevia asioita kaukaa,

where we're collecting very, very few photons,

jolloin voimme kerätä hyvin harvoja fotoneita

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

matalatehoisilla lasereilla, jotka ovat turvallisia silmille?

Or can we create images from photons

Tai voimmeko luoda kuvia fotoneista,

that have scattered around many more times

jotka ovat heijastuneet monesti useammin

than just a single bounce around the corner?

kuin vain yhden kerran kulman ympäri?

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

Voimmeko ottaa prototyyppimme, joka on iso ja kömpelö,

and miniaturize it into something that could be useful

ja pienentää sen johonkin, josta on hyötyä

for biomedical imaging

biokuvantamisessa

or perhaps a sort of improved home-security system,

tai vaikka parannellussa kodin hälytysjärjestelmässä,

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

tai voimmeko käyttää tätä uutta kuvantamismenetelmää muuten?

I think it's an exciting new technology

Tämä teknologia on jännittävää

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

ja voi olla monia tilanteita, joita emme ole ajatelleet,

to use it for.

missä sitä voi käyttää.

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

Joten tulevaisuus itseajavilla autoilla

may seem distant to us now --

voi tuntua nyt kaukaiselta,

we're already developing the technologies

mutta olemme kehittämässä teknologioita

that could make cars safer and more intelligent.

turvallisempiin ja älykkäämpiin autoihin.

And with the rapid pace of scientific discovery and innovation,

Tieteellisen tutkimuksen ja keksintöjen nopea tahti tarkoittaa,

you never know what new and exciting capabilities

että koskaan ei tiedä mitä uusia ja jännittäviä mahdollisuuksia

could be just around the corner.

on kulman takana.

(Applause)

(Aplodit)