A camera that can see around corners | David Lindell

92,740 views ・ 2020-04-21

TED


Sila klik dua kali pada sari kata Inggeris di bawah untuk memainkan video.

00:00
Transcriber: Ivana Korom Reviewer: Krystian Aparta
0
0
7000
Translator: Sab Kasim Reviewer: Sharleen Mohd
00:12
In the future,
1
12937
1175
Pada masa hadapan,
00:14
self-driving cars will be safer and more reliable than humans.
2
14136
3654
kereta pandu sendiri akan lebih selamat dan boleh diharap berbanding manusia.
Tetapi untuk ini berlaku,
00:18
But for this to happen,
3
18175
1222
00:19
we need technologies that allow cars to respond
4
19421
2730
kita perlu teknologi yang membenarkan kereta respons
00:22
faster than humans,
5
22175
1267
lagi cepat daripada manusia,
00:23
we need algorithms that can drive better than humans
6
23466
3714
kita perlu algoritma yang boleh memandu lebih baik lagi daripada manusia
00:27
and we need cameras that can see more than humans can see.
7
27204
4103
dan kita perlu kamera yang boleh melihat lebih daripada yang dapat dilihat manusia.
00:32
For example, imagine a self-driving car is about to make a blind turn,
8
32061
4730
Sebagai contoh, bayangkan kereta pandu sendiri membuat selekoh yang tersembunyi,
00:36
and there's an oncoming car
9
36815
1334
dan ada kereta dari hadapan
00:38
or perhaps there's a child about to run into the street.
10
38173
2785
atau mungkin seorang kanak-kanak akan berlari ke jalan.
00:41
Fortunately, our future car will have this superpower,
11
41458
3564
Mujurlah, kereta masa hadapan akan mempunyai kuasa besar ini,
00:45
a camera that can see around corners to detect these potential hazards.
12
45046
4099
satu kamera yang boleh lihat di sekitar selekoh untuk mengesan potensi bahaya.
00:49
For the past few years as a PhD student
13
49876
2079
Beberapa tahun lalu sebagai pelajar PhD
00:51
in the Stanford Computational Imaging Lab,
14
51979
2277
di Makmal Pengimejan Pengiraan Stanford,
00:54
I've been working on a camera that can do just this --
15
54280
2754
saya buat kajian ke atas kamera yang boleh lakukan ini --
00:57
a camera that can image objects hidden around corners
16
57058
3398
satu kamera yang boleh mengimejkan objek yang tersembunyi di selekoh
01:00
or blocked from direct line of sight.
17
60480
2772
atau tersekat dari penglihatan langsung.
01:03
So let me give you an example of what our camera can see.
18
63276
3452
Jadi biar saya beri satu contoh apakah yang boleh dilihat kamera kami.
01:06
This is an outdoor experiment we conducted
19
66752
2563
Ini adalah satu experimen yang kami lakukan di luar
01:09
where our camera system is scanning the side of this building with a laser,
20
69339
3810
di mana sistem kamera kami mengimbas tepi bangunan ini dengan cahaya laser,
01:13
and the scene that we want to capture
21
73173
1960
dan adegan yang kami mahu rakam
01:15
is hidden around the corner behind this curtain.
22
75157
2960
tersembunyi di sekitar sudut di belakang tirai ini.
01:18
So our camera system can't actually see it directly.
23
78141
2977
Jadi sistem kamera kami tidaklah boleh melihat secara langsung.
01:21
And yet, somehow,
24
81561
1168
Namun, entah bagaimana,
01:22
our camera can still capture the 3D geometry of this scene.
25
82753
4548
kamera kami masih dapat merakam geometri 3D adegan ini.
01:27
So how do we do this?
26
87704
1400
Jadi cara kami lakukan ini?
01:29
The magic happens here in this camera system.
27
89498
2722
Keajaibannya berlaku di sini dalam sistem kamera ini.
01:32
You can think of this as a type of high-speed camera.
28
92244
3325
Anda boleh fikirkannya sebagai sejenis kamera berkelajuan tinggi.
01:35
Not one that operates at 1,000 frames per second,
29
95593
3470
Bukan salah satu yang beroperasi pada 1,000 bingkai sesaat,
01:39
or even a million frames per second,
30
99087
2745
atau bahkan satu juta bingkai sesaat,
01:41
but a trillion frames per second.
31
101856
2253
tetapi satu trilion bingkai sesaat.
01:45
So fast that it can actually capture the movement of light itself.
32
105023
4835
Sangat pantas sehingga sebenarnya ia dapat merakam pergerakan cahaya itu sendiri.
01:50
And to give you an example of just how fast light travels,
33
110652
3643
Dan untuk memberi anda satu contoh bagaimana pantasnya cahaya bergerak,
01:54
let's compare it to the speed of a fast-running comic book superhero
34
114319
4285
mari kami bandingkannya dengan kelajuan superhero buku komik yang pantas
01:58
who can move at up to three times the speed of sound.
35
118628
2748
yang boleh bergerak sehingga tiga kali kelajuan bunyi.
02:02
It takes a pulse of light about 3.3 billionths of a second,
36
122201
4199
Ia mengambil kira-kira 3.3 bilion daripada satu saat untuk denyutan cahaya,
02:06
or 3.3 nanoseconds,
37
126424
1873
atau 3.3 nanosaat,
02:08
to travel the distance of a meter.
38
128321
2129
untuk bergerak jarak satu meter.
02:10
Well, in that same time,
39
130474
1935
Baiklah, pada masa yang sama itu,
02:12
our superhero has moved less than the width of a human hair.
40
132433
3874
superhero kita telah bergerak kurang daripada lebar saiz rambut manusia.
02:16
That's pretty fast.
41
136633
1267
Itu sangat pantas.
02:18
But actually, we need to image much faster
42
138306
2454
Tapi sebenarnya, kami perlu mengimej lebih pantas
02:20
if we want to capture light moving at subcentimeter scales.
43
140784
3388
jika mahu merakam gambar cahaya bergerak pada skala subsentimeter.
02:24
So our camera system can capture photons
44
144784
2497
Jadi sistem kamera kami boleh merakam foton
02:27
at time frames of just 50 trillionths of a second,
45
147305
3516
pada masa bingkai hanya 50 trilion dari satu saat,
02:30
or 50 picoseconds.
46
150845
1745
atau 50 picosaat.
02:33
So we take this ultra-high-speed camera
47
153821
2502
Jadi kami mengambil kamera berkelajuan tinggi ini
02:36
and we pair it with a laser that sends out short pulses of light.
48
156347
3674
dan kami gandingkan dengan laser yang menghantar denyutan pendek cahaya.
02:40
Each pulse travels to this visible wall
49
160553
2635
Setiap denyutan cahaya bergerak ke dinding ketara ini
02:43
and some light scatters back to our camera,
50
163212
2127
dan ada cahaya bertaburan kembali ke kamera,
02:45
but we also use the wall to scatter light around the corner
51
165363
3216
tapi kami juga gunakan dinding untuk menabur cahaya di sekitar sudut
02:48
to the hidden object and back.
52
168603
1933
kepada objek tersembunyi dan balik.
02:51
We repeat this measurement many times
53
171363
2238
Kami mengulangi pengukuran ini berkali-kali
02:53
to capture the arrival times of many photons
54
173625
2540
untuk merakam masa ketibaan daripada banyak foton
02:56
from different locations on the wall.
55
176189
2087
dari lokasi yang berbeza di dinding.
02:58
And after we capture these measurements, we can create
56
178300
2856
Dan selepas kita mendapat ukuran ini, kita boleh mewujudkan
03:01
a trillion-frame-per-second video of the wall.
57
181180
2635
bingkai video satu trillion setiap saat di dinding itu.
03:04
While this wall may look ordinary to our own eyes,
58
184371
3008
Walaupun dinding ini kelihatan biasa dipandangan kita,
03:07
at a trillion frames per second, we can see something truly incredible.
59
187403
4475
pada satu trilion bingkai sesaat, kita melihat sesuatu yang memang luar biasa.
03:12
We can actually see waves of light scattered back from the hidden scene
60
192275
4367
Kita sebenarnya boleh melihat gelombang cahaya bertaburan dari adegan tersembunyi
03:16
and splashing against the wall.
61
196666
2067
dan percikan ke dinding itu.
03:19
And each of these waves carries information
62
199063
2952
Dan setiap gelombang ini membawa maklumat
03:22
about the hidden object that sent it.
63
202039
2278
mengenai objek tersembunyi yang menghantarnya.
03:24
So we can take these measurements
64
204341
1681
Jadi kita boleh ambil ukuran ini
03:26
and pass them into a reconstruction algorithm
65
206046
2499
dan masukkan ke algoritma pembinaan semula
03:28
to then recover the 3D geometry of this hidden scene.
66
208569
3881
untuk memulihkan geometri 3D dari adegan tersembunyi ini.
03:33
Now I want to show you one more example of an indoor scene that we captured,
67
213379
3810
Sekarang saya tunjuk anda contoh daripada adegan yang kami rakam di dalam,
03:37
this time with a variety of different hidden objects.
68
217213
3110
kali ini dengan pelbagai objek tersembunyi yang berbeza.
03:40
And these objects have different appearances,
69
220347
2127
Dan benda ini mempunyai penampilan berbeza,
03:42
so they reflect light differently.
70
222498
1833
jadi mereka pantulkan cahaya berbeza.
03:44
For example, this glossy dragon statue reflects light differently
71
224355
3754
Sebagai contoh, patung naga berkilat ini memantulkan cahaya dengan cara berbeza
03:48
than the mirror disco ball
72
228133
1777
daripada bola cermin disko
03:49
or the white discus thrower statue.
73
229934
2611
atau patung pelempar cakera putih.
03:52
And we can actually see the differences in the reflected light
74
232998
3419
Dan kita sebenarnya boleh melihat perbezaannya dalam cahaya pantulan
03:56
by visualizing it as this 3D volume,
75
236441
2841
dengan menggambarkannya sebagai isipadu 3D,
03:59
where we've just taken the video frames and stacked them together.
76
239306
3310
di mana kita baru mengambil bingkai video dan menyusunkannya bersama.
04:02
And time here is represented as the depth dimension of this cube.
77
242640
4299
Dan masa di sini diwakili sebagai dimensi kedalaman kiub ini.
04:07
These bright dots that you see are reflections of light
78
247914
3191
Titik-titik terang yang anda lihat adalah pantulan cahaya
04:11
from each of the mirrored facets of the disco ball,
79
251129
2546
dari setiap faset cermin bola disko,
04:13
scattering against the wall over time.
80
253699
2191
bertaburan menghadap dinding beransur-ansur.
04:16
The bright streaks of light that you see arriving soonest in time
81
256422
3536
Pancaran cahaya terang yang anda lihat tiba pantas dalam masa terdekat
04:19
are from the glossy dragon statue that's closest to the wall,
82
259982
3960
adalah dari patung naga berkilat yang paling dekat dengan dinding,
04:23
and the other streaks of light come from reflections of light from the bookcase
83
263966
3801
dan pancaran cahaya yang lain datang dari refleksi cahaya dari rak buku
04:27
and from the statue.
84
267791
1333
dan dari patung itu.
04:29
Now, we can also visualize these measurements frame by frame,
85
269727
3887
Kini, kita boleh juga menggambarkan ukuran ini mengikut setiap satu bingkai,
04:33
as a video,
86
273638
1192
sebagai video,
04:34
to directly see the scattered light.
87
274854
1882
untuk melihat langsung cahaya bertabur.
04:37
And again, here we see, first, reflections of light from the dragon,
88
277461
3619
Dan lagi, di sini kita lihat, pertama, refleksi cahaya dari naga,
04:41
closest to the wall,
89
281104
1246
paling rapat di dinding,
04:42
followed by bright dots from the disco ball
90
282374
3389
diikuti dengan titik terang dari bola disko
04:45
and other reflections from the bookcase.
91
285787
2719
dan pantulan lain dari rak buku.
04:48
And finally, we see the reflected waves of light from the statue.
92
288530
4452
Dan akhirnya, kita melihat pantulan gelombang cahaya dari patung itu.
04:53
These waves of light illuminating the wall
93
293840
2793
Gelombang cahaya ini menerangi dinding
04:56
are like fireworks that last for just trillionths of a second.
94
296657
4618
seperti bunga api yang hanya bertahan selama trilion sesaat.
05:05
And even though these objects reflect light differently,
95
305649
3246
Dan walaupun benda-benda ini memantulkan cahaya dengan cara berbeza,
05:08
we can still reconstruct their shapes.
96
308919
2634
kami masih boleh membina semula bentuk mereka.
05:11
And this is what you can see from around the corner.
97
311577
2760
Dan inilah yang dapat anda lihat dari sekitar sudut.
05:15
Now, I want to show you one more example that's slightly different.
98
315547
3429
Sekarang, saya ingin tunjukkan anda satu lagi contoh yang agak berbeza.
05:19
In this video, you see me dressed in this reflective suit
99
319000
3380
Dalam video ini, anda melihat saya memakai pakaian reflektif ini
05:22
and our camera system is scanning the wall at a rate of four times every second.
100
322404
4395
dan sistem kamera kami mengimbas dinding pada kadar empat kali setiap saat.
05:27
The suit is reflective,
101
327173
1214
Sut ini memantul cahaya.
05:28
so we can actually capture enough photons
102
328411
2658
jadi kita boleh merakam foton yang cukup
05:31
that we can see where I am and what I'm doing,
103
331093
3548
supaya kita dapat melihat di mana saya berada dan apa yang saya lakukan,
05:34
without the camera actually directly imaging me.
104
334665
2897
tanpa kamera itu sebenarnya terus mencatatkan imej saya.
05:37
By capturing photons that scatter from the wall to my tracksuit,
105
337586
4539
Dengan merakam foton yang bertaburan dari dinding ke sut balapan saya,
05:42
back to the wall and back to the camera,
106
342149
2134
kembali ke dinding dan kembali ke kamera,
05:44
we can capture this indirect video in real time.
107
344307
3596
kita boleh merakam video ini dengan cara tidak langsung dalam masa nyata.
05:48
And we think that this type of practical non-line-of-sight imaging
108
348954
3206
Dan kita fikir jenis praktik ini tidak lihat garis terus pengimejan
05:52
could be useful for applications including for self-driving cars,
109
352184
3726
boleh juga berguna untuk aplikasi termasuk untuk kereta pandu sendiri,
05:55
but also for biomedical imaging,
110
355934
2095
tetapi juga untuk pengimejan bioperubatan,
05:58
where we need to see into the tiny structures of the body.
111
358053
3571
di mana kita perlu melihat struktur kecil di dalam badan.
06:01
And perhaps we could also put similar camera systems on the robots
112
361974
3501
Dan mungkin kita juga boleh meletakkan sistem kamera yang sama pada robot
06:05
that we send to explore other planets.
113
365499
2665
yang kita hantar untuk menjelajah planet lain.
06:08
Now you may have heard about seeing around corners before,
114
368839
2762
Kini anda ada dengar penglihatan sekitar sudut sebelum ini,
06:11
but what I showed you today would have been impossible
115
371625
2574
tetapi apa yang saya tunjuk hari ini mungkin mustahil
06:14
just two years ago.
116
374223
1164
hanya dua tahun lalu.
06:15
For example, we can now image large, room-sized hidden scenes outdoors
117
375411
3857
Contohnya, kini boleh buat imej besar, adegan tersembunyi bersaiz bilik, di luar
06:19
and at real-time rates,
118
379292
1849
dan pada kadar masa nyata,
06:21
and we've made significant advancements towards making this a practical technology
119
381165
4357
dan kami telah maju dengan ketara ke arah menjadikan ini suatu teknologi praktikal
06:25
that you could actually see on a car someday.
120
385546
2293
anda dapat lihat di kereta suatu hari nanti.
06:28
But of course, there's still challenges remaining.
121
388156
2580
Tetapi sudah tentu, masih ada cabaran yang tinggal.
06:30
For example, can we image hidden scenes at long distances
122
390760
4063
Contohnya, bolehkah kita mengimej adegan tersembunyi di jarak jauh
06:34
where we're collecting very, very few photons,
123
394847
3143
di mana kita mengutip sedikit sangat foton,
06:38
with lasers that are low-power and that are eye-safe.
124
398014
3277
dengan laser yang berkuasa rendah dan yang selamat untuk mata.
06:41
Or can we create images from photons
125
401641
2335
Atau bolehkah kita membuat imej dari foton
06:44
that have scattered around many more times
126
404000
2029
yang telah bertaburan lebih banyak lagi
06:46
than just a single bounce around the corner?
127
406053
2603
daripada hanya satu lantunan di sekeliling penjuru?
06:48
Can we take our prototype system that's, well, currently large and bulky,
128
408680
4643
Bolehkah kita ambil sistem prototaip ini yang, baiklah, pada masa ini sangat besar,
06:53
and miniaturize it into something that could be useful
129
413347
2540
dan menjadikannya kecil kepada sesuatu yang berguna
06:55
for biomedical imaging
130
415911
1199
untuk imej bioperubatan
06:57
or perhaps a sort of improved home-security system,
131
417134
3086
atau mungkin sebagai menambah baikkan sistem keselamatan rumah,
07:00
or can we take this new imaging modality and use it for other applications?
132
420244
5512
atau bolehkah kita ambil modus pengimejan baru ini dan gunakan untuk aplikasi lain?
07:05
I think it's an exciting new technology
133
425780
1889
Saya fikir ia teknologi baru menarik
07:07
and there could be other things that we haven't thought of yet
134
427693
2928
dan mungkin ada perkara lain yang belum kita fikirkan lagi
07:10
to use it for.
135
430645
1174
untuk menggunakannya.
07:11
And so, well, a future with self-driving cars
136
431843
2545
Dan jadi, baiklah, masa depan kereta pandu sendiri
07:14
may seem distant to us now --
137
434412
2166
mungkin kita nampak jauh sekarang --
07:16
we're already developing the technologies
138
436602
1977
kami sudah pun membangunkan teknologi ini
07:18
that could make cars safer and more intelligent.
139
438603
2547
yang boleh membuat kereta lebih selamat dan pintar.
07:21
And with the rapid pace of scientific discovery and innovation,
140
441698
3302
Dan dengan pantas serta pesat penemuan saintifik dan inovasi,
07:25
you never know what new and exciting capabilities
141
445024
3047
anda mungkin tidak tahu apa keupayaan yang baru dan yang menarik
07:28
could be just around the corner.
142
448095
2134
boleh terjadi dalam masa terdekat.
07:30
(Applause)
143
450810
2920
(Tepukan)
Mengenai laman web ini

Laman web ini akan memperkenalkan anda kepada video YouTube yang berguna untuk belajar bahasa Inggeris. Anda akan melihat pelajaran Bahasa Inggeris yang diajar oleh guru terkemuka dari seluruh dunia. Klik dua kali pada sari kata bahasa Inggeris yang dipaparkan pada setiap halaman video untuk memainkan video dari sana. Sari kata tatal selari dengan main balik video. Jika anda mempunyai sebarang komen atau permintaan, sila hubungi kami menggunakan borang hubungan ini.

https://forms.gle/WvT1wiN1qDtmnspy7