Een camera die om hoeken kan kijken
-
0:01 - 0:05In de toekomst zullen zelfrijdende auto's
veiliger en betrouwbaarder zijn -
0:05 - 0:06dan mensen.
-
0:06 - 0:08Maar dan hebben we technologieën nodig
-
0:08 - 0:11die auto's sneller dan de mens
laten reageren, -
0:11 - 0:15hebben we algoritmen nodig
die beter kunnen rijden dan mensen -
0:15 - 0:19en hebben we camera’s nodig
die meer kunnen zien dan de mens. -
0:20 - 0:21Stel je bijvoorbeeld voor
-
0:21 - 0:25dat een zelfrijdende auto
een blinde bocht gaat nemen -
0:25 - 0:26en dat er een auto aankomt
-
0:26 - 0:29of dat een kind de straat op loopt.
-
0:29 - 0:33Gelukkig zullen onze toekomstige auto’s
een superkracht hebben, -
0:33 - 0:37een camera die rond hoeken kan kijken
om mogelijke gevaren te detecteren. -
0:38 - 0:40De afgelopen paar jaar
werkte ik als promovendus -
0:40 - 0:42bij het Stanford
Computational Imaging Lab -
0:42 - 0:45aan een camera die net dit kan doen --
-
0:45 - 0:47een camera die objecten kan zien
-
0:47 - 0:51als ze achter hoeken
of hindernissen verborgen zijn. -
0:51 - 0:55Ik geef jullie een voorbeeld
van wat onze camera kan zien. -
0:55 - 0:57Dit is een experiment dat we buiten deden:
-
0:57 - 1:01ons camerasysteem scant
de zijkant van het gebouw met een laser -
1:01 - 1:03en de scène die we willen vastleggen
-
1:03 - 1:06is rond de hoek
achter het gordijn verborgen. -
1:06 - 1:10Ons camerasysteem kan het dus
eigenlijk niet direct zien. -
1:10 - 1:12En toch kan onze camera
op een of andere manier -
1:12 - 1:15de 3D-geometrie van deze scène vastleggen.
-
1:16 - 1:17Hoe kunnen we dit?
-
1:17 - 1:20De magie gebeurt hier
in dit camerasysteem. -
1:20 - 1:24Denk aan een soort hogesnelheidscamera.
-
1:24 - 1:27Niet één die werkt
met duizend frames per seconde, -
1:27 - 1:30of zelfs een miljoen frames per seconde,
-
1:30 - 1:32maar een biljoen frames per seconde.
-
1:33 - 1:38Zo snel dat het daadwerkelijk de beweging
van het licht zelf kan vastleggen. -
1:39 - 1:42Om je een voorbeeld te geven
van hoe snel licht reist, -
1:42 - 1:47laten we het vergelijken met de snelheid
van een hardlopende stripboek-superheld -
1:47 - 1:49die drie keer zo snel
als geluid kan bewegen. -
1:50 - 1:54Het kost een lichtpuls ongeveer
3,3 miljardste van een seconde, -
1:54 - 1:56of 3,3 nanoseconden,
-
1:56 - 1:58om een afstand van één meter af te leggen.
-
1:58 - 2:01In diezelfde tijd heeft onze superheld
-
2:01 - 2:05minder dan de breedte
van een menselijke haar afgelegd. -
2:05 - 2:06Dat is behoorlijk snel.
-
2:06 - 2:09Maar eigenlijk moet het nog veel sneller
-
2:09 - 2:12als we licht willen vangen
op subcentimeterschalen. -
2:13 - 2:15Dus kan ons camerasysteem
fotonen vastleggen -
2:15 - 2:19in tijden van slechts
50 biljoenste van een seconde, -
2:19 - 2:21of 50 picoseconden.
-
2:22 - 2:24We nemen deze ultra-hogesnelheidscamera
-
2:24 - 2:28en we koppelen hem met een laser
die korte lichtpulsen uitstuurt. -
2:29 - 2:31Elke puls gaat naar deze zichtbare muur
-
2:31 - 2:33en een beetje licht
keert terug naar de camera, -
2:33 - 2:37maar we gebruiken de muur ook
om licht om de hoek te verstrooien -- -
2:37 - 2:39naar het verborgen object en terug.
-
2:39 - 2:42We herhalen deze meting vele malen
-
2:42 - 2:44om de aankomsttijden
van vele fotonen te vangen -
2:44 - 2:46vanuit verschillende locaties op de muur.
-
2:46 - 2:48En na het vastleggen van deze metingen
-
2:48 - 2:52kunnen we een video van de muur creëren
met een biljoen beelden per seconde. -
2:52 - 2:55Hoewel deze muur in onze ogen
gewoon kan lijken, -
2:55 - 3:00kunnen we iets echt ongelooflijks zien
bij een biljoen frames per seconde. -
3:00 - 3:03We kunnen lichtgolven zien
-
3:03 - 3:05die vanaf de verborgen scène
verstrooid raken -
3:05 - 3:07en tegen de muur spatten.
-
3:07 - 3:12Elk van deze golven draagt informatie
over het verborgen object dat ze uitzond. -
3:12 - 3:17Dan kunnen we deze metingen doorgeven
aan een reconstructie-algoritme -
3:17 - 3:20om vervolgens de 3D-geometrie
van deze verborgen scène te herstellen. -
3:21 - 3:25Nu toon ik een voorbeeld
van een indoorscène die we vastlegden, -
3:25 - 3:28maar dit keer met verschillende
verborgen voorwerpen. -
3:28 - 3:30Deze objecten hebben
een verschillend uiterlijk, -
3:30 - 3:32zodat ze het licht anders reflecteren.
-
3:32 - 3:36Zo weerspiegelt deze glanzende draak
het licht bijvoorbeeld anders -
3:36 - 3:38dan de spiegelende discobal
-
3:38 - 3:41of het het witte discuswerperbeeld.
-
3:41 - 3:44We kunnen die verschillen
in het gereflecteerde licht zien -
3:44 - 3:47door het te visualiseren
als dit 3D-volume, -
3:47 - 3:51waarin we de videoframes samen namen.
-
3:51 - 3:55En de tijd wordt hier voorgesteld
als de dieptedimensie van deze kubus. -
3:56 - 3:59Deze lichtpuntjes die je ziet
zijn reflecties van licht -
3:59 - 4:02van elk van de gespiegelde
facetten van de discobal, -
4:02 - 4:04met de tijd verstrooid tegen de muur.
-
4:04 - 4:06De lichte strepen licht,
-
4:06 - 4:08die je het vroegst ziet aankomen,
-
4:08 - 4:10zijn afkomstig van de blinkende draak,
-
4:10 - 4:12die het dichtst bij de muur staat,
-
4:12 - 4:16en de andere stroken licht
komen van reflecties van de boekenkast -
4:16 - 4:17en van het standbeeld.
-
4:18 - 4:22Nu kunnen we deze metingen
ook frame na frame visualiseren, -
4:22 - 4:22als een video,
-
4:22 - 4:24om het verstrooide licht direct te zien.
-
4:25 - 4:29En hier zien we wederom
eerst lichtreflecties van de draak, -
4:29 - 4:30het dichtst bij de muur,
-
4:30 - 4:34gevolgd door heldere stippen
van de discobal -
4:34 - 4:36en andere reflecties van de boekenkast.
-
4:37 - 4:41En tot slot zien we de gereflecteerde
lichtgolven van het standbeeld. -
4:42 - 4:45Deze lichtgolven die de muur verlichten,
-
4:45 - 4:49zijn als vuurwerk dat slechts
biljoensten van een seconde duurt. -
4:54 - 4:57En hoewel deze objecten
licht anders reflecteren, -
4:57 - 5:00kunnen we hun vormen
nog steeds reconstrueren. -
5:00 - 5:02En dit is wat je kunt zien
van om de hoek. -
5:04 - 5:07Nu wil ik jullie een voorbeeld laten zien
dat ietwat anders is. -
5:07 - 5:10In deze video zie je mij
in een reflecterend pak -
5:10 - 5:12en ons camerasysteem scant de muur
-
5:12 - 5:15met een snelheid
van vier maal per seconde. -
5:15 - 5:16Het pak is reflecterend
-
5:16 - 5:19zodat we genoeg fotonen kunnen vangen
-
5:19 - 5:23om te zien waar ik ben en wat ik doe,
-
5:23 - 5:26zonder dat de camera
mij rechtstreeks opneemt. -
5:26 - 5:29Door fotonen vast te leggen
die vanaf de muur verstrooien -- -
5:29 - 5:32naar mijn trainingspak, terug naar de muur
en terug naar de camera -- -
5:32 - 5:36kunnen we dit indirect
in realtime op video vastleggen. -
5:37 - 5:40We denken dat dit soort
praktische niet-in-zichtlijnbeeldvorming -
5:40 - 5:44nuttig zou kunnen zijn voor toepassingen
zoals zelfrijdende auto's, -
5:44 - 5:46maar ook voor biomedische beeldvorming,
-
5:46 - 5:50waar we in kleine structuren
van het lichaam moeten kunnen kijken. -
5:50 - 5:53Misschien kunnen we soortgelijke
camerasystemen ook gebruiken -
5:53 - 5:56voor de robots waarmee we
andere planeten verkennen. -
5:57 - 5:59Allicht heb je al eens gehoord
over om hoeken kijken, -
5:59 - 6:00maar wat ik vandaag toonde,
-
6:00 - 6:03zou twee jaar geleden
onmogelijk zijn geweest. -
6:03 - 6:07Zo kunnen we nu kamergrote,
verborgen buitenscènes in beeld brengen -
6:07 - 6:09en wel in realtime,
-
6:09 - 6:14en we hebben aanzienlijke stappen gezet
naar een praktische technologie -
6:14 - 6:16die je ooit op een auto
zou kunnen aantreffen. -
6:16 - 6:19Maar natuurlijk blijven er
nog steeds uitdagingen. -
6:19 - 6:23Kunnen we bijvoorbeeld verborgen scènes
op grote afstand in beeld brengen -
6:23 - 6:26door het verzamelen
van heel, heel weinig fotonen, -
6:26 - 6:29met lasers die laag van vermogen
en veilig voor de ogen zijn? -
6:30 - 6:34Of kunnen we beelden creëren met fotonen
die vele malen meer verstrooid zijn -
6:34 - 6:37dan slechts één enkele
weerkaatsing om de hoek. -
6:37 - 6:39Kunnen we ons prototype-systeem,
-
6:39 - 6:41dat nu nog groot en log is,
-
6:41 - 6:45sterk verkleinen tot iets nuttigs
voor biomedische beeldvorming -
6:45 - 6:48of misschien voor een soort
verbeterd huisbeveiligingssysteem? -
6:48 - 6:51Of kunnen we deze nieuwe
beeldvormingsmodaliteit -
6:51 - 6:54ook gebruiken voor andere toepassingen?
-
6:54 - 6:56Ik vind het een spannende nieuwe techniek
-
6:56 - 6:59en er kunnen toepassingen zijn
waar we nog niet aan hebben gedacht. -
7:00 - 7:05Een toekomst met zelfrijdende auto's
kan nu nog ver weg lijken -- -
7:05 - 7:06toch ontwikkelen we al technologieën
-
7:06 - 7:09die auto's veiliger
en intelligenter kunnen maken. -
7:10 - 7:11Met het snelle tempo
-
7:11 - 7:13van wetenschappelijke
ontdekking en innovatie, -
7:13 - 7:16weet je nooit welke nieuwe
en spannende mogelijkheden -
7:16 - 7:18er om de hoek op ons wachten.
-
7:19 - 7:22(Applaus)
- Title:
- Een camera die om hoeken kan kijken
- Speaker:
- David Lindell
- Description:
-
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.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 07:34
Oeds Eilander approved Dutch subtitles for A camera that can see around corners | ||
Oeds Eilander accepted Dutch subtitles for A camera that can see around corners | ||
Oeds Eilander edited Dutch subtitles for A camera that can see around corners | ||
Oeds Eilander edited Dutch subtitles for A camera that can see around corners | ||
Oeds Eilander edited Dutch subtitles for A camera that can see around corners | ||
Oeds Eilander edited Dutch subtitles for A camera that can see around corners | ||
Rik Delaet edited Dutch subtitles for A camera that can see around corners | ||
Rik Delaet edited Dutch subtitles for A camera that can see around corners |