TEDGlobal 2012
Ramesh Raskar: Imaging at a trillion frames per second
Ramesh Raskar: Képalkotás másodpercenként milliárd kockányi sebességgel
Filmed:
Readability: 4
5,395,201 views
Ramesh Raskar bemutatja a femto-fotográfiát, a képalkotás egy új típusát, ami annyira gyors, hogy egybillió felvételt készít egyetlen másodperc alatt, így részleteiben láthatóvá teszi a fény mozgását. Ezzel a technológiával egyszer még olyan kamerákat lehet majd építeni, ami belát a falak mögé vagy az emberi test belsejébe, röntgensugarak használata nélkül.
Ramesh Raskar - Femto-photographer
Photography is about creating images by recording light. At the MIT media lab, professor Ramesh Raskar and his team members have invented a camera that can photograph light itself as it moves at, well, the speed of light. Full bio
Photography is about creating images by recording light. At the MIT media lab, professor Ramesh Raskar and his team members have invented a camera that can photograph light itself as it moves at, well, the speed of light. Full bio
Double-click the English transcript below to play the video.
00:16
Doc Edgerton inspired us with awe and curiosity
0
902
5978
Doc Edgerton elkápráztatott minket
00:22
with this photo of a bullet piercing through an apple,
1
6880
5262
ezzel a felvétellel, amint egy lövedék áthatol egy almán;
00:28
and exposure just a millionth of a second.
2
12142
4878
az expozíciós idő csak a másodperc milliomod része.
00:32
But now, 50 years later, we can go a million times faster
3
17020
7307
Most, 50 évvel később, milliószor gyorsabbak vagyunk ennél,
00:40
and see the world not at a million,
4
24327
3596
és a világot nem másodpercenkénti millió,
00:43
or a billion,
5
27923
1810
vagy milliárd,
00:45
but one trillion frames per second.
6
29733
3435
hanem billió filmkockán keresztül nézzük.
00:49
I present you a new type of photography,
7
33168
4385
A fényképezésnek egy új módját mutatom be Önöknek,
00:53
femto-photography,
8
37553
2059
a femtofotográfiát,
00:55
a new imaging technique so fast
9
39612
4600
ami annyira gyors képalkotási technika,
01:00
that it can create slow motion videos of light in motion.
10
44212
5201
hogy képes lassított filmet készíteni a fény mozgásáról.
01:05
And with that, we can create cameras
11
49413
2738
És ezzel olyan kamerákat tudunk készíteni,
01:08
that can look around corners,
12
52151
2145
ami a sarkok mögé is lát,
01:10
beyond line of sight
13
54296
1997
a látótéren kívülre,
01:12
or see inside our body without an X-ray,
14
56293
4393
vagy amivel röntgensugarak nélkül is bepillanthatunk testünk belsejébe,
01:16
and really challenge what we mean by a camera.
15
60686
5401
és ami valóban feszegeti már a kamera fogalmunk határát.
01:21
Now if I take a laser pointer and turn it on and off
16
66087
3511
Ha veszek egy lézerceruzát és be és ki kapcsolgatom
01:25
in one trillionth of a second --
17
69598
2827
a másodperc egybilliomod része alatt,
01:28
which is several femtoseconds --
18
72425
2812
ami néhány femtomásodperc [10-nek a mínusz 15-ik hatványa]
01:31
I'll create a packet of photons
19
75237
2280
akkor a fotonoknak egy alig egy milliméter
01:33
barely a millimeter wide,
20
77517
2350
széles nyalábját hozom létre,
01:35
and that packet of photons, that bullet,
21
79867
2926
és ez a foton-nyaláb, ez a lövedék,
01:38
will travel at the speed of light,
22
82793
1950
fénysebességgel fog haladni,
01:40
and, again, a million times faster than an ordinary bullet.
23
84743
4508
azaz milliószor gyorsabban, mint a közönséges lövedék.
01:45
Now, if you take that bullet and take this packet of photons
24
89251
4906
Ha most vesszük azt a lövedéket és ezt a foton-nyalábot
01:50
and fire into this bottle,
25
94157
3173
és megcélozzuk vele ezt a palackot,
01:53
how will those photons shatter into this bottle?
26
97330
4534
hogyan fognak ezek a fotonok behatolni a palack belsejébe?
01:57
How does light look in slow motion?
27
101864
4224
Hogy néz ki a fény lassított felvételen?
02:21
Now, the whole event -- (Applause)
28
126041
3658
Ez a teljes folyamat. -- (Taps)
02:25
(Applause)
29
129699
4219
(Taps)
02:29
Now, remember, the whole event
30
133918
2603
Nefelejtsék el, az egész esemény
02:32
is effectively taking place in less than a nanosecond
31
136521
3383
ténylegesen alig egy nanoszekundum alatt játszódik le,
02:35
— that's how much time it takes for light to travel —
32
139904
2336
-- ez az az idő, ami alatt a fény ezt az utat megteszi --
02:38
but I'm slowing down in this video by a factor of 10 billion
33
142240
4500
de ezt a filmet tízmilliárdszor lassítva játszom most le,
02:42
so you can see the light in motion.
34
146740
3673
ezért láthatják a fény mozgását.
02:46
But, Coca-Cola did not sponsor this research. (Laughter)
35
150413
4621
A Coca-Cola NEM szponzorálta a kutatást. (Nevetés)
02:50
Now, there's a lot going on in this movie,
36
155034
2047
Sok minden történik ezen a filmen,
02:52
so let me break this down and show you what's going on.
37
157081
2362
hadd mutassam meg szakaszonként Önöknek, hogy mi történik.
02:55
So, the pulse enters the bottle, our bullet,
38
159443
3240
Tehát a rezgés -- a mi lövedékünk -- belép a palackba
02:58
with a packet of photons that start traveling through
39
162683
2562
egy foton-nyalábbal, ami nekiindul keresztül,
03:01
and that start scattering inside.
40
165245
1837
és szóródni kezd a belsejében.
03:02
Some of the light leaks, goes on the table,
41
167082
2231
Valamennyi kijut a fényből az asztalra,
03:05
and you start seeing these ripples of waves.
42
169313
2787
és meglátjuk ezeket a fodros hullámokat.
03:08
Many of the photons eventually reach the cap
43
172100
2881
Végül a fotonok közül sok eléri a kupakot
03:10
and then they explode in various directions.
44
174981
2914
és kitör a legkülönfélébb irányokba.
03:13
As you can see, there's a bubble of air,
45
177895
1912
Ahogyan látják, van itt egy légbuborék,
03:15
and it's bouncing around inside.
46
179807
1666
és belül pattog körbe-körbe.
03:17
Meanwhile, the ripples are traveling on the table,
47
181473
2474
Közben a fodrok vándorolnak az asztalon,
03:19
and because of the reflections at the top,
48
183947
1869
és a palack tetejének a tükröződése miatt
03:21
you see at the back of the bottle, after several frames,
49
185816
3634
amint látják a palack hátán, néhány filmkocka után
03:25
the reflections are focused.
50
189450
2902
a tükröződések összefutnak.
03:28
Now, if you take an ordinary bullet
51
192352
5894
Na már most, ha veszünk egy közönséges lövedéket,
03:34
and let it go the same distance and slow down the video
52
198246
3401
ami ugyanezt a távolságot teszi meg, és lejátszuk a videót
03:37
again by a factor of 10 billion, do you know
53
201647
2549
egy 10 milliárdos tényezővel lelassítva, tudják,
03:40
how long you'll have to sit here to watch that movie?
54
204196
5725
mennyi ideig kéne itt ülniük, hogy végignézzék a felvételt?
03:45
A day, a week? Actually, a whole year.
55
209921
4388
Egy napig? Egy hétig? Valójában, egy egész évig.
03:50
It'll be a very boring movie — (Laughter) —
56
214309
3914
Nagyon unalmas film lenne -- (Nevetés) --
03:54
of a slow, ordinary bullet in motion.
57
218223
4052
egy lassú, közönséges lövedék mozgásáról.
03:58
And what about some still-life photography?
58
222275
4603
És mi a helyzet a csendélet fényképezéssel?
04:08
You can watch the ripples again washing over the table,
59
232770
5352
Megintcsak láthatjuk a fodrokat, amint súrolják az asztalt,
04:14
the tomato and the wall in the back.
60
238122
2913
a paradicsomot és háttérben a falat.
04:16
It's like throwing a stone in a pond of water.
61
241035
4224
Olyan, mint amikor követ dobunk egy pocsolya vizébe.
04:23
I thought, this is how nature paints a photo,
62
247197
3890
Úgy gondolom, így festi meg a természet a fényképet,
04:26
one femto frame at a time,
63
251087
2587
egy femto kockát egyszerre,
04:29
but of course our eye sees an integral composite.
64
253674
5392
de természetesen a szemünk az ebből összetett képet látja.
04:34
But if you look at this tomato one more time,
65
259066
3126
De ha erre a paradicsomra újra ránézünk,
04:38
you will notice, as the light washes over the tomato,
66
262192
2516
észrevehetjük, ahogyan a fény végigsúrolja a paradicsomot,
04:40
it continues to glow. It doesn't become dark.
67
264708
2891
folyvást fénylik, nem sötétül el.
04:43
Why is that? Because the tomato is actually ripe,
68
267599
3548
Vajon miért van ez? Azért, mert a paradicsom érett,
04:47
and the light is bouncing around inside the tomato,
69
271147
2101
és a fény össze-vissza verődik a paradicsom belsejében,
04:49
and it comes out after several trillionths of a second.
70
273248
4466
és néhány billiomod másodperc múlva lép ki.
04:53
So, in the future, when this femto-camera
71
277714
2633
Így hát, a ha majd femto-kamera
04:56
is in your camera phone,
72
280347
2092
lesz beépítve a mobilunkba,
04:58
you might be able to go to a supermarket
73
282439
1710
akkor megtehetjük, hogy ha vásárolni megyünk ,
05:00
and check if the fruit is ripe without actually touching it.
74
284149
4040
ellenőrizni tudjuk majd, hogy érett-e a gyümölcs, anélkül, hogy összefogdosnánk.
05:04
So how did my team at MIT create this camera?
75
288189
5330
Hogyan is csináltuk ezt a kamerát az MIT-ben?
05:09
Now, as photographers, you know,
76
293519
1967
Akik szoktak fényképezni, tudhatják,
05:11
if you take a short exposure photo, you get very little light,
77
295486
4061
hogy ha nagyon rövid az expozíciós idő, akkor nagyon kevés fény jut a kamerába,
05:15
but we're going to go a billion times faster
78
299547
2206
de mi milliárdszor gyorsabbak vagyunk
05:17
than your shortest exposure,
79
301753
1856
a legrövidebb szokásos expozíciónál is,
05:19
so you're going to get hardly any light.
80
303609
1800
így lényegében egyáltalán nem kapunk fényt.
05:21
So, what we do is we send that bullet,
81
305409
1843
Azt csináljuk tehát, hogy elküldjük a lövedéket,
05:23
those packet of photons, millions of times,
82
307252
2549
azokat a foton-nyalábokat, milliószor egymás után,
05:25
and record again and again with very clever synchronization,
83
309801
3107
és rögzítjük újra és újra, nagyon okos szinkronizálással,
05:28
and from the gigabytes of data,
84
312908
2091
és az adatok gigabájtjaiból
05:30
we computationally weave together
85
314999
2116
számítógépesen rakjuk össze a hullámot,
05:33
to create those femto-videos I showed you.
86
317115
3465
hogy elkészítsük azt a femto-videót, amit megmutattam. ---
05:36
And we can take all that raw data
87
320580
2540
Vesszük az összes nyers adatot
05:39
and treat it in very interesting ways.
88
323120
2895
és nagyon érdekes módon használjuk.
05:41
So, Superman can fly.
89
326015
1841
Szupermen tud repülni.
05:43
Some other heroes can become invisible,
90
327856
2462
Más hősök képesek láthatatlanná válni,
05:46
but what about a new power for a future superhero:
91
330318
5098
de mit gondolnak a jövő szuperhősének új képességéröl:
05:51
to see around corners?
92
335416
2498
hogy a falak mögé is lát?
05:53
The idea is that we could shine some light on the door.
93
337914
4673
Az az ötlet, hogy rávilágítjuk a fényt az ajtóra.
05:58
It's going to bounce, go inside the room,
94
342587
2675
Visszaverődik, bemegy a szobába,
06:01
some of that is going to reflect back on the door,
95
345262
2430
valamennyi visszaverődik belőle és visszamegy az ajtóra,
06:03
and then back to the camera,
96
347692
1507
és visszajut a kamerához,
06:05
and we could exploit these multiple bounces of light.
97
349199
3488
és fel tudjuk használni a fénynek ezeket a többszörös visszapattanásait
06:08
And it's not science fiction. We have actually built it.
98
352687
2397
És ez nem sci - fi. Valóban elkészítettük.
06:10
On the left, you see our femto-camera.
99
355084
2384
Ott balra látják a femtokameránkat.
06:13
There's a mannequin hidden behind a wall,
100
357468
2379
Van ott egy bábu a fal mögött,
06:15
and we're going to bounce light off the door.
101
359847
2982
és a fényt tükrözzük az ajtóról.
06:18
So after our paper was published
102
362829
1948
Azután, hogy megjelentettük a cikkünket
06:20
in Nature Communications,
103
364777
1934
a "Nature Communications"-ben,
06:22
it was highlighted by Nature.com,
104
366711
1915
a Nature.com felkapta,
06:24
and they created this animation.
105
368626
2563
és ők készítették ezt az animációt.
06:27
(Music)
106
371189
6402
(Zene)
06:33
We're going to fire those bullets of light,
107
377591
3461
Kilőjük a fény-lövedékeket,
06:36
and they're going to hit this wall,
108
381052
3263
amik nekiütődnek a falnak,
06:40
and because the packet of the photons,
109
384315
2655
és mivel a foton-nyalábok
06:42
they will scatter in all the directions,
110
386970
2297
minden irányba szétszóródnak,
06:45
and some of them will reach our hidden mannequin,
111
389267
2248
néhány közülük eléri azt az eldugott bábut,
06:47
which in turn will again scatter that light,
112
391515
2879
amiről viszont újra szétszóródik a fény,
06:50
and again in turn the door will reflect
113
394394
3686
és az ajtó szintén visszaver
06:53
some of that scattered light,
114
398080
2072
valamennyit a szétszórt fényből,
06:56
and a tiny fraction of the photons will actually
115
400152
2744
és a fotonoknak egy kis töredéke valóban
06:58
come back to the camera, but most interestingly,
116
402896
2284
visszaér a kamerához, de ami még érdekesebb,
07:01
they will all arrive at a slightly different time slot.
117
405180
3746
ezek egy árnyalatnyi időeltolódással érkeznek vissza.
07:04
(Music)
118
408926
4577
(Zene)
07:09
And because we have a camera that can run so fast,
119
413503
2817
És mivel olyan kameránk van, ami nagyon gyorsan működik,
07:12
our femto-camera, it has some unique abilities.
120
416320
3106
femto-kameránk, ennek van néhány különleges képessége.
07:15
It has very good time resolution,
121
419426
2906
Nagyon jó az időfelbontása,
07:18
and it can look at the world at the speed of light.
122
422332
3518
és a világot fénysebességgel látja.
07:21
And this way, we know the distances, of course to the door,
123
425850
3545
És ezen a módon megtudjuk a távolságokat, természetesen az ajtóig,
07:25
but also to the hidden objects,
124
429395
1894
de ugyanígy az elrejtett tárgyakig is,
07:27
but we don't know which point corresponds
125
431289
1595
de nem tudjuk, hogy mely pont felel meg
07:28
to which distance.
126
432884
2322
mely távolságnak.
07:31
(Music)
127
435206
3240
(Zene)
07:34
By shining one laser, we can record one raw photo, which,
128
438446
3944
Egy lézer-villantással egy nyers képet tudunk készíteni, aminek,
07:38
you look on the screen, doesn't really make any sense,
129
442390
2450
ahogyan a képernyőn is látják, nem sok értelme van,
07:40
but then we will take a lot of such pictures,
130
444840
1880
de mi sok ilyen képet készítünk,
07:42
dozens of such pictures, put them together,
131
446720
2419
sok tucat hasonló képet és összerakjuk őket,
07:45
and try to analyze the multiple bounces of light,
132
449139
2678
megpróbáljuk analizálni a fény többszöri visszaverődéseit,
07:47
and from that, can we see the hidden object?
133
451817
3416
és ilyen módon vajon megláthatjuk az elrejtett tárgyat?
07:51
Can we see it in full 3D?
134
455233
2919
Tudjuk látni teljes 3D-ben?
07:54
So this is our reconstruction. (Music)
135
458152
2636
Ez itt a rekonstrukciónk. (Zene)
07:56
(Music)
136
460788
3458
(Zene)
08:00
(Music) (Applause)
137
464246
8308
(Zene) (Taps)
08:08
Now we have some ways to go before we take this
138
472554
2611
Van még némi teendőnk, mielőtt kivisszük
08:11
outside the lab on the road, but in the future,
139
475165
3197
ezt az eszközt a laboratóriumból az utcára, de egyszer majd
08:14
we could create cars that avoid collisions
140
478362
2834
tudunk olyan autót konstruálni, ami elkerüli az ütközést
08:17
with what's around the bend,
141
481196
2216
azzal, hogy benéz a kanyarba,
08:19
or we can look for survivors in hazardous conditions
142
483412
3914
vagy meg tudjuk keresni egy katasztrófa túlélőit veszélyes körülmények között
08:23
by looking at light reflected through open windows,
143
487326
4278
a nyitott abalakon keresztül visszaverődő fény segítségével,
08:27
or we can build endoscopes that can see
144
491604
2625
vagy tudunk olyan endoszkópot építeni ami
08:30
deep inside the body around occluders,
145
494229
3270
mélyen be tud nézni a testben a kitüremkedések mögé,
08:33
and also for cardioscopes.
146
497499
1876
és kardioszkópot.
08:35
But of course, because of tissue and blood,
147
499375
2501
De persze a szövetek és a vér miatt
08:37
this is quite challenging, so this is really a call
148
501876
2187
ez azért nem olyan egyszerű, ez itt tehát egy felhívás
08:39
for scientists to start thinking about femto-photography
149
504063
2853
a tudósok számára, hogy számoljanak a femto-fotográfiával,
08:42
as really a new imaging modality to solve
150
506916
2589
mint új képalkotó lehetőséggel az egészségügy
08:45
the next generation of health imaging problems.
151
509505
3577
képalkotási problémáinak következő generációs megoldásában.
08:48
Now, like Doc Edgerton, a scientist himself,
152
513082
3881
Mint Doc Edgerton esetében, aki maga is tudós,
08:52
science became art, an art of ultra-fast photography,
153
516963
5176
a tudomány művészetté válik, a szuper gyors fotógráfia művészetévé,
08:58
and I realized that all the gigabytes of data
154
522139
3464
és rájöttem, hogy az adatoknak a gigabájtjai,
09:01
that we're collecting every time
155
525603
2004
amiket minden alkalommal összegyűjtünk,
09:03
is not just for scientific imaging, but we can also do
156
527607
3443
nem csupán a tudományos képalkotás számára vannak, hanem
09:06
a new form of computational photography
157
531050
3780
a számítógépes fotógráfia egy új formáját is művelhetjük vele
09:10
with time-lapse and color-coding,
158
534830
4139
időeltolással és színkódolással,
09:14
and we look at those ripples. Remember,
159
538969
2770
és megfigyeljük azokat a fodrozódásokat. Emlékszünk rá,
09:17
the time between each of those ripples is only
160
541739
2675
hogy azok között a fodrozódások között
09:20
a few trillionths of a second.
161
544414
4343
mindössze pár trillionod másodperc telt el.
09:24
But there's also something funny going on here.
162
548757
1956
De valami érdekes dolog is történik itt.
09:26
When you look at the ripples under the cap,
163
550713
2354
Ha a kupak alatti fodrokat nézzük,
09:28
the ripples are moving away from us.
164
553067
3620
a fodrok távolodnak tőlünk.
09:32
The ripples should be moving towards us.
165
556687
2149
A fodroknak közeledni kellene hozzánk.
09:34
What's going on here?
166
558836
1767
Mi történik itt?
09:36
It turns out, because we're recording
167
560603
1958
Rájöttünk, hogy mivel a felvételt közel
09:38
nearly at the speed of light,
168
562561
4547
fénysebességgel rögzítjük,
09:43
we have strange effects,
169
567108
2070
különös jelenségek lépnek fel,
09:45
and Einstein would have loved to see this picture.
170
569178
4031
Einstein bizonyára szívesen nézegette volna ezt a képet.
09:49
The order at which events take place in the world
171
573209
3269
A valóság eseményei
09:52
appear in the camera with sometimes reversed order,
172
576478
4568
a kamerában néha fordított sorrendben játszódnak le,
09:56
so by applying the corresponding space and time warp,
173
581046
3359
így a megfelelő tér- és időeltolást alkalmazva
10:00
we can correct for this distortion.
174
584405
4045
korrigálni tudjuk ezt a torzulást.
10:04
So whether it's for photography around corners,
175
588450
4241
Akár a sarkok mögötti fényképezésről van szó,
10:08
or creating the next generation of health imaging,
176
592691
4308
akár az gyógyászatban használatos képalkotás következő generációjáról,
10:12
or creating new visualizations,
177
596999
2680
vagy úgy megjelenítési mód létrehozásáról,
10:15
since our invention, we have open-sourced
178
599679
3559
amióta ezen dolgozunk, minden adat, az összes részlet
10:19
all the data and details on our website, and our hope
179
603238
3699
szabad felhasználásra [open source] elérhető a honlapunkon, és reméljük,
10:22
is that the DIY, the creative and the research community
180
606937
6636
hogy ez a DIY [csináld magad!], a kutató- és alkotóközösség
10:29
will show us that we should stop obsessing about
181
613573
3803
megmutatja, hogy nem kéne már azon gyötrődni,
10:33
the megapixels in cameras — (Laughter) —
182
617376
3240
hogy hány megapixeles a kamera -- (Nevetés) --
10:36
and start focusing on the next dimension in imaging.
183
620616
5030
hanem el kéne kezdeni a képalkotás következő dimenziójára összpontosítani.
10:41
It's about time. Thank you. (Applause)
184
625646
4534
Ez pedig az időről szól. Köszönöm. (Taps)
10:46
(Applause)
185
630180
10205
(Taps)
ABOUT THE SPEAKER
Ramesh Raskar - Femto-photographerPhotography is about creating images by recording light. At the MIT media lab, professor Ramesh Raskar and his team members have invented a camera that can photograph light itself as it moves at, well, the speed of light.
Why you should listen
In 1964 MIT professor Harold Edgerton, pioneer of stop-action photography, famously took a photo of a bullet piercing an apple using exposures as short as a few nanoseconds. Inspired by his work, Ramesh Raskar and his team set out to create a camera that could capture not just a bullet (traveling at 850 meters per second) but light itself (nearly 300 million meters per second).
Stop a moment to take that in: photographing light as it moves. For that, they built a camera and software that can visualize pictures as if they are recorded at 1 trillion frames per second. The same photon-imaging technology can also be used to create a camera that can peer "around" corners , by exploiting specific properties of the photons when they bounce off surfaces and objects.
Among the other projects that Raskar is leading, with the MIT Media Lab's Camera Culture research group, are low-cost eye care devices, a next generation CAT-Scan machine and human-computer interaction systems.
Papers:
Andreas Velten, Thomas Willwacher, Otkrist Gupta, Ashok Veeraraghavan, Moungi G. Bawendi and Ramesh Raskar, “Recovering ThreeDimensional Shape around a Corner using Ultra-Fast Time-of-Flight Imaging.” Nature Communications, March 2012
Andreas Velten, Adrian Jarabo, Belen Masia, Di Wu, Christopher Barsi, Everett Lawson, Chinmaya Joshi, Diego Gutierrez, Moungi G. Bawendi and Ramesh Raskar, "Ultra-fast Imaging for Light in Motion" (in progress). http://femtocamera.info
Ramesh Raskar | Speaker | TED.com