< Return to Video

能看到拐角后景象的摄影机

  • 0:01 - 0:02
    在将来，
  • 0:02 - 0:06
    无人驾驶汽车将比
    人类驾驶的汽车更安全可靠。
  • 0:06 - 0:07
    但为了实现这点，
  • 0:07 - 0:09
    我们需要能使汽车
  • 0:09 - 0:11
    反应比人类更快的技术，
  • 0:11 - 0:15
    比人类更会驾驶的算法，
  • 0:15 - 0:20
    和视野比人类更广阔的摄影机。
  • 0:20 - 0:25
    比如说，想象有一辆
    无人驾驶汽车将要在其盲区转弯，
  • 0:25 - 0:27
    此时有一辆车正在驶近路口，
  • 0:27 - 0:29
    或是有个小孩快要跑到车道上。
  • 0:29 - 0:33
    幸运的是，我们的未来汽车
    将具有这样一种超能力——
  • 0:33 - 0:38
    一台能看到拐角后面、
    察觉这些潜在危险的摄像机。
  • 0:38 - 0:40
    过去几年间，作为一名
  • 0:40 - 0:42
    斯坦福计算成像
    实验室的博士生，
  • 0:42 - 0:45
    我一直在研发
    这样一台摄像机——
  • 0:45 - 0:48
    它能显示藏在拐角后面的、
  • 0:48 - 0:51
    或是被挡在直视
    视线之外的物体。
  • 0:51 - 0:55
    让我来举例说明
    这台摄像机能看见什么。
  • 0:55 - 0:57
    这是我们进行的一项户外实验：
  • 0:57 - 1:01
    我们的摄像机系统正在
    通过激光扫描此建筑的侧面，
  • 1:01 - 1:03
    而我们想捕捉到的场景
  • 1:03 - 1:06
    藏在这块幕布背后的“拐角处”。
  • 1:06 - 1:10
    我们的摄像机系统
    并不能直接“看到”那些物体。
  • 1:10 - 1:11
    然而，神奇的是，
  • 1:11 - 1:16
    它仍旧能捕捉到
    这个场景的三维几何轮廓。
  • 1:16 - 1:17
    这是如何实现的？
  • 1:17 - 1:20
    玄机就藏在这个摄像机系统中。
  • 1:20 - 1:24
    你可以把它想象成
    一种高速摄像机。
  • 1:24 - 1:27
    不同于那些每秒能
    捕捉一千帧、
  • 1:27 - 1:30
    甚至百万帧图像的摄影机，
  • 1:30 - 1:33
    它每秒能捕捉
    一万亿帧的图像。
  • 1:33 - 1:38
    它的速度如此之快，
    甚至能捕捉到光的移动。
  • 1:39 - 1:42
    为了举例说明
    光的传播速度有多快，
  • 1:42 - 1:47
    我们不妨把它和
    能以三倍声速移动的
  • 1:47 - 1:49
    漫画超级英雄做个比较。
  • 1:50 - 1:54
    一段光脉冲跨越一米距离
  • 1:54 - 1:56
    需要 33 亿分之 1 秒，
  • 1:56 - 1:58
    即 3.3 纳秒，
  • 1:58 - 2:00
    与此同时，
  • 2:00 - 2:05
    我们的超级英雄移动的距离
    还没到一根人类头发的宽度。
  • 2:05 - 2:06
    看来这确实很快。
  • 2:06 - 2:10
    但实际上，想要捕捉到
    在次厘米规模上移动的光线，
  • 2:10 - 2:12
    我们还需要能更快成像的摄影机。
  • 2:13 - 2:17
    我们的摄影机系统能以
    每帧 50 万亿分之 1 秒，
  • 2:17 - 2:19
    即 50 皮秒的帧率
  • 2:19 - 2:21
    捕捉到移动的光子。
  • 2:22 - 2:24
    接着我们将这台
    超高速摄影机
  • 2:24 - 2:28
    和能发出小段光脉冲的激光组合起来。
  • 2:29 - 2:31
    当每段光脉冲传播到
    这面可看见的（白色）墙时，
  • 2:31 - 2:33
    就会有光线被散射回
    我们的摄影机这儿，
  • 2:33 - 2:37
    不过我们还用这面墙
    将光线散射到拐角后面、
  • 2:37 - 2:39
    被挡住的物体上，
    然后再散射回来。
  • 2:39 - 2:42
    我们通过多次重复
    这种测量过程，
  • 2:42 - 2:44
    来捕捉从墙上各个位置
  • 2:44 - 2:46
    散射的光子的到达时间。
  • 2:46 - 2:49
    得到这些测量结果后，
    我们就能生成
  • 2:49 - 2:52
    这面墙每秒一万亿帧的一段影像。
  • 2:52 - 2:55
    在我们的肉眼看来，
    这面墙或许再普通不过了，
  • 2:55 - 3:00
    但以每秒一万亿帧的帧率，
    我们却能看见神奇的景象。
  • 3:00 - 3:05
    我们能看见从被遮挡的场景
    散射回来的光波
  • 3:05 - 3:07
    在墙上溅开。
  • 3:07 - 3:09
    每段光波都携带着
  • 3:09 - 3:12
    将其散射回来的
    被隐藏物体的信息。
  • 3:12 - 3:14
    我们将这些测量结果
  • 3:14 - 3:17
    输入到一段能重建图像的算法中，
  • 3:17 - 3:20
    来重现被隐藏场景的
    三维几何轮廓。
  • 3:21 - 3:25
    我想再展现一个
    捕捉室内场景的例子，
  • 3:25 - 3:28
    这次被隐藏物体的种类更丰富。
  • 3:28 - 3:30
    这些物体的外观各不相同，
  • 3:30 - 3:32
    所以它们反射光线的方式也不同。
  • 3:32 - 3:36
    比如，这座富有光泽的龙雕像
    与这颗镜面迪斯科球，
  • 3:36 - 3:38
    或是这座《掷铁饼者》雕像
  • 3:38 - 3:41
    反射光线的方式是不同的。
  • 3:41 - 3:44
    我们可以把视频帧堆叠在一起，
  • 3:44 - 3:47
    将被反射的光线
    可视化为三维立体，
  • 3:47 - 3:51
    从而观察到它们之间的区别。
  • 3:51 - 3:55
    立方体的宽度则代表了时间。
  • 3:56 - 3:59
    这些亮点是从迪斯科球的每个镜面
  • 3:59 - 4:02
    反射回来的光，
  • 4:02 - 4:04
    随时间的推移被分散到
    墙面的各个角落。
  • 4:04 - 4:08
    这些到达时间最早的亮条纹
  • 4:08 - 4:12
    是被离墙面最近的
    龙雕塑反射回来的，
  • 4:12 - 4:15
    其他的亮条纹则是从书架和
  • 4:15 - 4:18
    《掷铁饼者》所反射回来的。
  • 4:18 - 4:22
    我们还可以将这些测量结果
    一帧一帧地
  • 4:22 - 4:23
    以录像的形式播放，
  • 4:23 - 4:25
    以更直接地观察
    这些被散射回来的光。
  • 4:25 - 4:28
    这次，同样的，
    我们最初看见的光反射是来自
  • 4:28 - 4:30
    离墙最近的龙雕塑，
  • 4:30 - 4:34
    接着是来自迪斯科球的亮点
  • 4:34 - 4:36
    和其他来自书架的反射光。
  • 4:37 - 4:41
    最后，我们看见的是被
    《掷铁饼者》雕塑反射回的光波。
  • 4:42 - 4:45
    这些光波像是仅能绽放
  • 4:45 - 4:50
    万亿分之一秒的烟花一样
    照亮了这面墙。
  • 4:54 - 4:57
    尽管这些物体
    反射光的方式不同，
  • 4:57 - 5:00
    我们依旧能重建它们的形状。
  • 5:00 - 5:03
    这就是你能从
    被遮挡的拐角后看到的图像。
  • 5:04 - 5:07
    现在，我想再演示一个
    稍微不同的例子。
  • 5:07 - 5:10
    在这段录像中，
    我穿着这件能反射光的连体衣，
  • 5:10 - 5:15
    我们的摄像机系统
    以每秒四次的速率扫描这面墙。
  • 5:15 - 5:16
    因为这件连体衣能反射光，
  • 5:16 - 5:19
    所以尽管摄影机
    并不能直接拍到我，
  • 5:19 - 5:23
    我们却能通过捕捉足够多的光子
  • 5:23 - 5:26
    来反映出我的位置与动作。
  • 5:26 - 5:30
    通过捕捉从墙面被散射到
    连体衣，再被散射回墙面，
  • 5:30 - 5:32
    最后回到摄像机的光子，
  • 5:32 - 5:36
    我们能实时地捕捉这段间接录像。
  • 5:37 - 5:40
    我们认为这种实用的
    非视距成像技术
  • 5:40 - 5:44
    能被应用于自动驾驶，
  • 5:44 - 5:46
    还有生物医学成像这样
  • 5:46 - 5:50
    需要观察身体微小结构的技术。
  • 5:50 - 5:53
    也许我们还能将类似的
    摄像机系统安装到
  • 5:53 - 5:56
    被送去探索其他星球的机器人上。
  • 5:57 - 6:00
    也许你曾听说过这种能
    观察到拐角另一侧景象的技术，
  • 6:00 - 6:02
    但我今天所展示的内容
  • 6:02 - 6:03
    两年前还无法实现。
  • 6:03 - 6:07
    比如，我们现在能实时地
    将室外的房间大小的
  • 6:07 - 6:09
    大型被遮挡景象可视化，
  • 6:09 - 6:14
    我们在提高此技术实用性的方面
    也取得了重大进展，
  • 6:14 - 6:16
    将来你可能在
    汽车上看到这种系统。
  • 6:16 - 6:19
    当然，我们依旧
    面临着诸多挑战。
  • 6:19 - 6:23
    比如，我们能否在使用
    低功率，确保对人眼安全的激光
  • 6:23 - 6:26
    采集极少数光子的情况下，
  • 6:26 - 6:29
    将远距离的景象可视化？
  • 6:30 - 6:32
    或者，不同于
    只被反射一次的光子，
  • 6:32 - 6:35
    我们能否通过被散射多次的光子
  • 6:35 - 6:37
    将景象可视化？
  • 6:37 - 6:41
    我们能否将这种
    目前还体积庞大的样机
  • 6:41 - 6:44
    缩小到能被用于
  • 6:44 - 6:45
    生物医学成像的大小，
  • 6:45 - 6:48
    或是将其应用于更先进的
    家居安防系统，
  • 6:48 - 6:54
    亦或是将这种新型的成像形式
    应用于其他领域？
  • 6:54 - 6:56
    我认为这是一项令人振奋的新技术，
  • 6:56 - 6:59
    我们也许还能将其应用于其它
    现在还想象不到的
  • 6:59 - 7:00
    情景之中。
  • 7:00 - 7:02
    也许一个自动驾驶汽车
    被普及的未来
  • 7:02 - 7:05
    在我们看来还很遥远——
  • 7:05 - 7:07
    但我们实际上已经在发展
  • 7:07 - 7:10
    能使汽车更安全，
    更智能的科技了。
  • 7:10 - 7:13
    随着科学创新与发明的高速发展，
  • 7:13 - 7:16
    你永远都想象不到还会有
    哪些新型的，令人振奋的技术
  • 7:16 - 7:18
    出现在不远的拐角处（将来）。
    （一语双关）
  • 7:19 - 7:22
    （掌声）
Title:
能看到拐角后景象的摄影机
Speaker:
戴维·林德尔
Description:

为了安全地运作，无人驾驶汽车必须能够避免障碍物——包括那些视野以外的事物。为了做到这一点，我们需要观察范围比人类更广的技术，电子工程师戴维·林德尔（David Lindell）如是说。他描述了这种能探测到被隐藏在角落后物体的高速摄影机广泛多样的应用前景。请各位准备好欣赏林德尔这段简短的、具有开创性的技术演示。
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
07:34

Chinese, Simplified subtitles

Revisions

Our website uses cookies for analysis purposes.