Du har ikke brug for supermagter for at se, hvad der skjuler sig rundt om hjørnet; Alt hvad du behøver er de rigtige algoritmer, grundlæggende computersoftware og et almindeligt digitalt kamera, viser et team af forskere i et papir, der offentliggøres i dag i Nature .
At opfinde effektive måder at få øje på objekter uden for et menneskes synslinje er et fælles mål for forskere, der studerer alt fra selvkørende biler til militært udstyr. I sin enkleste form kan dette gøres ved hjælp af et periskop, som er et rør med flere spejle, der omdirigerer lys. Tidligere bestræbelser på at bringe denne mursten-og-mørtel-enhed ind i den digitale æra involveret ved brug af følsomt, højteknologisk udstyr til at måle den tid det tager for lys at ramme en sensor, hvilket giver forskere mulighed for at tilnærme sig det skjulte objekts relative position, størrelse og form. Mens disse teknikker får jobbet gjort, er det vanskeligt at anvende til daglig brug på grund af dets omkostninger og kompleksitet, bemærker den nye undersøgelses hovedforfatter Vivek Goyal, en elektrisk ingeniør ved Boston University.
Tidligere undersøgelser havde vist, at et almindeligt digitalt kamera kunne bruges til at genskabe 1-D-billeder af synsvidde objekter. Goyal og hans team besluttede at udvide på den teknik og skabe 2-D-billeder.
En repræsentation af laboratoriets opsætning for eksperimentet (Charles Saunders / Nature) Eksperimentet fungerede sådan: Holdet pegede et digitalt kamera mod en hvid væg. Derefter placerede de rundt på et hjørne sidder parallelt med kameraet en LCD-skærm for at vende mod den samme hvide væg. Skærmen viste et simpelt 2-D-billede - i dette tilfælde en Nintendo-svamp, en gul følelsesikon med en rød sidelæns hat eller bogstaverne BU (til Boston University) i stor, fed rød skrift. Den hvide væg fungerede som et spejl i et periskop. Ved at bruge lang eksponering, når man tager et billede med kameraet, fangede teamet den bløde slør af lys, der glødede på den hvide væg fra skærmen.
Der er dog en grund til, at en hvid væg ser hvid ud, siger Goyal. I modsætning til et spejl - som reflekterer lys i en bestemt retning - spreder en væg lys reflekteret i alle forskellige vinkler, hvilket gør ethvert gendannet billede til et uforståeligt rod med pixelerede farver for det blotte øje. Overraskende er det lettere at genskabe det skjulte billede, når der er noget, der blokerer det, også kaldet et okkluderende objekt.
Det okkluderende objekt - for denne undersøgelse, et stollignende panel - gjorde det muligt for teamet at genskabe et billede ved hjælp af videnskaben om penumbri, et dagligdags fænomen skabt, når lys kaster delvise skygger i en slags glorie omkring et uigennemsigtigt objekt.
”Penumbri er overalt, ” siger Goyal. ”[Hvis] du sidder et sted med lysende lysstofrør, fordi din belysning ikke er fra et enkelt punkt, kaster objekter ikke skarpe skygger. Hvis du holder din hånd ud ... ser du en masse delvise skygger i stedet for komplet skygge. ”I bund og grund er disse delvise skygger alle penumbra.
Så selvom det okkluderende objekt blokerede en del af billedet, forsynede skyggerne algoritmen med flere data til brug. Derfra krævede blot fysik at vende lysets vej simpelthen fysik.
Det lyder sandsynligvis ulogisk og kompliceret, men elektroingeniør Genevieve Gariepy, der studerede billedbehandling uden syn, mens hun afsluttede sin ph.d. ved Heriot-Watt i Edinburgh, beskrev det som et high-tech-spil med 20 spørgsmål. I det væsentlige fungerer det okkluderende objekt i dette eksperiment på samme måde som et godt spørgsmål ville være i spillet.
”Det omvendte problem i [20 spørgsmål er] at gætte, hvem jeg [tænker] på, ” forklarer hun. ”Hvis vi spiller spillet, og jeg tænker over ... lad os sige Donna Strickland, der netop vandt Nobelprisen i fysik. Hvis du spørger mig 'Er hun en kvinde? Er hun i live? ' det er meget kompliceret, fordi [disse beskrivelser kunne gælde] så mange mennesker. Hvis du spørger mig 'Vandt hun en Nobelpris?' så bliver det meget lettere at gætte, hvem jeg tænker på. ”
De indledende målinger ligner slørede sorte klatter, så Goyal og hans team var langt fra sikre på, at deres teknik ville give et klart billede. ”Vi var sikre på, at noget var muligt, [men det kunne have været] virkelig, virkelig forfærdelig kvalitet, ” siger Goyal.
Så da den første rekreation kom igennem i detaljer, var det ”en stor, behagelig overraskelse, ” siger Goyal. Selvom billedet er langt fra perfekt, er bogstaverne læsbare, farverne er klare, og endda den gule humørikons ansigt var identificerbar. Holdet var i stand til at opnå det samme nøjagtighedsniveau, når det arbejdede med enkel video.
Goyal er mest begejstret for den tilgængelige natur af denne teknologi. ”Vores teknik [bruger] konventionel hardware, ” siger han. ”Du kunne forestille dig, at vi kunne skrive en app til en mobiltelefon, der gør denne billeddannelse. Den type kamera, vi har brugt, er ikke grundlæggende forskellig fra et mobiltelefonkamera. ”
Både Goyal og Gariepy er enige om, at en af de mest sandsynlige fremtidige anvendelser af denne teknologi ville være i autonome køretøjer. I øjeblikket har disse køretøjer mennesker slå ved at være i stand til at fornemme, hvad der er direkte omkring dem på alle sider, men rækkevidden af disse sensorer overstiger ikke det gennemsnitlige menneskelige synsfelt. Indarbejdelse af denne nye teknologi kan føre biler til det næste niveau.
”Du kan forestille dig [en bil] at være i stand til at fornemme, at der er et barn på den anden side af en parkeret bil, eller at være i stand til at fornemme, når du nærmer dig et skæringspunkt i en urban canyon, at der kommer krydsstrafik, der ikke er i din synslinje, ”siger Goyal. ”Det er en optimistisk vision, men ikke urimelig.”
