Een camera die om hoeken kan kijken

Om veilig te kunnen werken, moeten zelfrijdende auto's obstakels vermijden, ook als ze net uit het zicht zijn. En om dit te laten gebeuren, hebben we technologie nodig die beter ziet dan dat mensen dat kunnen, zegt elektrotechnisch ingenieur David Lindell. Zet je schrap voor een snelle, grensverleggende technische demo, terwijl Lindell het aanzienlijke en veelzijdige potentieel van een hogesnelheidscamera uitlegt. Één die objecten kan detecteren die achter hoeken verborgen zijn.

In de toekomst zullen zelfrijdende auto's
veiliger en betrouwbaarder zijn

dan mensen.

Maar dan hebben we technologieën nodig

die auto's sneller dan de mens
laten reageren,

hebben we algoritmen nodig
die beter kunnen rijden dan mensen

en hebben we camera’s nodig
die meer kunnen zien dan de mens.

Stel je bijvoorbeeld voor

dat een zelfrijdende auto
een blinde bocht gaat nemen

en dat er een auto aankomt

of dat een kind de straat op loopt.

Gelukkig zullen onze toekomstige auto’s
een superkracht hebben,

een camera die rond hoeken kan kijken
om mogelijke gevaren te detecteren.

De afgelopen paar jaar
werkte ik als promovendus

bij het Stanford
Computational Imaging Lab

aan een camera die net dit kan doen --

een camera die objecten kan zien

als ze achter hoeken
of hindernissen verborgen zijn.

Ik geef jullie een voorbeeld
van wat onze camera kan zien.

Dit is een experiment dat we buiten deden:

ons camerasysteem scant
de zijkant van het gebouw met een laser

en de scène die we willen vastleggen

is rond de hoek
achter het gordijn verborgen.

Ons camerasysteem kan het dus
eigenlijk niet direct zien.

En toch kan onze camera
op een of andere manier

de 3D-geometrie van deze scène vastleggen.

Hoe kunnen we dit?

De magie gebeurt hier
in dit camerasysteem.

Denk aan een soort hogesnelheidscamera.

Niet één die werkt
met duizend frames per seconde,

of zelfs een miljoen frames per seconde,

maar een biljoen frames per seconde.

Zo snel dat het daadwerkelijk de beweging
van het licht zelf kan vastleggen.

Om je een voorbeeld te geven
van hoe snel licht reist,

laten we het vergelijken met de snelheid
van een hardlopende stripboek-superheld

die drie keer zo snel
als geluid kan bewegen.

Het kost een lichtpuls ongeveer
3,3 miljardste van een seconde,

of 3,3 nanoseconden,

om een afstand van één meter af te leggen.

In diezelfde tijd heeft onze superheld

minder dan de breedte
van een menselijke haar afgelegd.

Dat is behoorlijk snel.

Maar eigenlijk moet het nog veel sneller

als we licht willen vangen
op subcentimeterschalen.

Dus kan ons camerasysteem
fotonen vastleggen

in tijden van slechts
50 biljoenste van een seconde,

of 50 picoseconden.

We nemen deze ultra-hogesnelheidscamera

en we koppelen hem met een laser
die korte lichtpulsen uitstuurt.

Elke puls gaat naar deze zichtbare muur

en een beetje licht
keert terug naar de camera,

maar we gebruiken de muur ook
om licht om de hoek te verstrooien --

naar het verborgen object en terug.

We herhalen deze meting vele malen

om de aankomsttijden
van vele fotonen te vangen

vanuit verschillende locaties op de muur.

En na het vastleggen van deze metingen

kunnen we een video van de muur creëren
met een biljoen beelden per seconde.

Hoewel deze muur in onze ogen
gewoon kan lijken,

kunnen we iets echt ongelooflijks zien
bij een biljoen frames per seconde.

We kunnen lichtgolven zien

die vanaf de verborgen scène
verstrooid raken

en tegen de muur spatten.

Elk van deze golven draagt informatie
over het verborgen object dat ze uitzond.

Dan kunnen we deze metingen doorgeven
aan een reconstructie-algoritme

om vervolgens de 3D-geometrie
van deze verborgen scène te herstellen.

Nu toon ik een voorbeeld
van een indoorscène die we vastlegden,

maar dit keer met verschillende
verborgen voorwerpen.

Deze objecten hebben
een verschillend uiterlijk,

zodat ze het licht anders reflecteren.

Zo weerspiegelt deze glanzende draak
het licht bijvoorbeeld anders

dan de spiegelende discobal

of het het witte discuswerperbeeld.

We kunnen die verschillen
in het gereflecteerde licht zien

door het te visualiseren
als dit 3D-volume,

waarin we de videoframes samen namen.

En de tijd wordt hier voorgesteld
als de dieptedimensie van deze kubus.

Deze lichtpuntjes die je ziet
zijn reflecties van licht

van elk van de gespiegelde
facetten van de discobal,

met de tijd verstrooid tegen de muur.

De lichte strepen licht,

die je het vroegst ziet aankomen,

zijn afkomstig van de blinkende draak,

die het dichtst bij de muur staat,

en de andere stroken licht
komen van reflecties van de boekenkast

en van het standbeeld.

Nu kunnen we deze metingen
ook frame na frame visualiseren,

als een video,

om het verstrooide licht direct te zien.

En hier zien we wederom
eerst lichtreflecties van de draak,

het dichtst bij de muur,

gevolgd door heldere stippen
van de discobal

en andere reflecties van de boekenkast.

En tot slot zien we de gereflecteerde
lichtgolven van het standbeeld.

Deze lichtgolven die de muur verlichten,

zijn als vuurwerk dat slechts
biljoensten van een seconde duurt.

En hoewel deze objecten
licht anders reflecteren,

kunnen we hun vormen
nog steeds reconstrueren.

En dit is wat je kunt zien
van om de hoek.

Nu wil ik jullie een voorbeeld laten zien
dat ietwat anders is.

In deze video zie je mij
in een reflecterend pak

en ons camerasysteem scant de muur

met een snelheid
van vier maal per seconde.

Het pak is reflecterend

zodat we genoeg fotonen kunnen vangen

om te zien waar ik ben en wat ik doe,

zonder dat de camera
mij rechtstreeks opneemt.

Door fotonen vast te leggen
die vanaf de muur verstrooien --

naar mijn trainingspak, terug naar de muur
en terug naar de camera --

kunnen we dit indirect
in realtime op video vastleggen.

We denken dat dit soort
praktische niet-in-zichtlijnbeeldvorming

nuttig zou kunnen zijn voor toepassingen
zoals zelfrijdende auto's,

maar ook voor biomedische beeldvorming,

waar we in kleine structuren
van het lichaam moeten kunnen kijken.

Misschien kunnen we soortgelijke
camerasystemen ook gebruiken

voor de robots waarmee we
andere planeten verkennen.

Allicht heb je al eens gehoord
over om hoeken kijken,

maar wat ik vandaag toonde,

zou twee jaar geleden
onmogelijk zijn geweest.

Zo kunnen we nu kamergrote,
verborgen buitenscènes in beeld brengen

en wel in realtime,

en we hebben aanzienlijke stappen gezet
naar een praktische technologie

die je ooit op een auto
zou kunnen aantreffen.

Maar natuurlijk blijven er
nog steeds uitdagingen.

Kunnen we bijvoorbeeld verborgen scènes
op grote afstand in beeld brengen

door het verzamelen
van heel, heel weinig fotonen,

met lasers die laag van vermogen
en veilig voor de ogen zijn?

Of kunnen we beelden creëren met fotonen
die vele malen meer verstrooid zijn

dan slechts één enkele
weerkaatsing om de hoek.

Kunnen we ons prototype-systeem,

dat nu nog groot en log is,

sterk verkleinen tot iets nuttigs
voor biomedische beeldvorming

of misschien voor een soort
verbeterd huisbeveiligingssysteem?

Of kunnen we deze nieuwe
beeldvormingsmodaliteit

ook gebruiken voor andere toepassingen?

Ik vind het een spannende nieuwe techniek

en er kunnen toepassingen zijn
waar we nog niet aan hebben gedacht.

Een toekomst met zelfrijdende auto's
kan nu nog ver weg lijken --

toch ontwikkelen we al technologieën

die auto's veiliger
en intelligenter kunnen maken.

Met het snelle tempo

van wetenschappelijke
ontdekking en innovatie,

weet je nooit welke nieuwe
en spannende mogelijkheden

er om de hoek op ons wachten.

(Applaus)