Videon visar metalens djupgivare som arbetar i realtid för att fånga djupet hos genomskinliga ljusflammor. De två bilderna till vänster är de råa bilderna som tas på kamerasensorn. De bildas av metallerna och suddas ut något annorlunda. Av dessa två bilder, forskarna beräknar föremålens djup i realtid. Bilden till höger visar den beräknade djupkartan. Kredit:Qi Guo och Zhujun Shi/Harvard University
För alla våra tekniska framsteg, ingenting slår evolution när det gäller forskning och utveckling. Ta hoppande spindlar. Dessa små arachnider har en imponerande djupuppfattning trots sina små hjärnor, så att de exakt kan slå på intet ont anande mål från flera kroppslängder bort.
Inspirerad av dessa spindlar, forskare vid Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) har utvecklat en kompakt och effektiv djupgivare som kan användas ombord på mikroroboter, i små bärbara enheter, eller i lätta virtuella och augmented reality -headset. Enheten kombinerar en multifunktionell, platta metaller med en ultraeffektiv algoritm för att mäta djupet i ett enda skott.
"Evolution har tagit fram en mängd olika optiska konfigurationer och visionssystem som är skräddarsydda för olika ändamål, "sade Zhujun Shi, en doktorsexamen kandidat vid Institutionen för fysik och medförfattare till uppsatsen. "Optisk design och nanoteknik tillåter oss äntligen att utforska artificiella djupsensorer och andra synsystem som är lika olika och effektiva."
Forskningen publiceras i Förfaranden från National Academy of Sciences .
Många av dagens djupgivare, som i telefoner, bilar och spelkonsoler, använda integrerade ljuskällor och flera kameror för att mäta avstånd. Face ID på en smartphone, till exempel, använder tusentals laserprickar för att kartlägga ansiktets konturer. Detta fungerar för stora enheter med plats för batterier och snabba datorer, men hur är det med små enheter med begränsad effekt och beräkning, som smarta klockor eller mikroroboter?
Videon visar metalens djupgivare som arbetar i realtid för att fånga djupet av fruktflugor. De två bilderna till vänster är de råa bilderna som tas på kamerasensorn. De bildas av metallerna och suddas ut något annorlunda. Av dessa två bilder, forskarna beräknar föremålens djup i realtid. Bilden till höger visar den beräknade djupkartan. Kredit:Qi Guo och Zhujun Shi/Harvard University
Evolution, som det visar sig, ger många alternativ.
Människor mäter djupet med stereosyn, betyder när vi tittar på ett objekt, var och en av våra två ögon samlar en något annorlunda bild. Prova så här:håll ett finger direkt framför ditt ansikte och var och en öppnar och stänger var och en av dina ögon. Ser du hur ditt finger rör sig? Våra hjärnor tar de två bilderna, undersöka dem pixel för pixel och, baserat på hur pixlarna skiftar, beräknar avståndet till fingret.
"Den matchande beräkningen, där du tar två bilder och söker efter de delar som motsvarar, är beräknande betungande, "sa Todd Zickler, William och Ami Kuan Danoff professor i elektroteknik och datavetenskap vid SEAS och medförfattare till studien. "Människor har det trevligt, stor hjärna för dessa beräkningar men spindlar gör det inte. "
Hoppande spindlar har utvecklat ett mer effektivt system för att mäta djup. Varje huvudöga har några halvtransparenta näthinnor arrangerade i lager, och dessa näthinnor mäter flera bilder med olika mängder oskärpa. Till exempel, om en hoppande spindel tittar på en fruktfluga med ett av sina huvudögon, flugan kommer att visas skarpare i en näthinnas bild och suddigare i en annan. Denna förändring i oskärpa kodar information om avståndet till flugan.
I datorsyn, denna typ av avståndsberäkning kallas djup från defokus. Men hittills, replikering av naturen har krävt stora kameror med motoriserade interna komponenter som kan fånga olika fokuserade bilder över tiden. Detta begränsar sensorns hastighet och praktiska tillämpningar.
En illustration av en metall som är konstruerad för kompakt djupavkänning. Den består av kvadratiska nanopilar i mellanvåglängd. Genom att alternera två olika nanopillar -mönster, visualiseras här i rött och blått, denna metallens bildar två bilder samtidigt. De två bilderna efterliknar bilderna som fångats av de lagrade näthinnorna i ögonen på hoppande spindlar. Kredit:Qi Guo och Zhujun Shi/Harvard University
Det är där metallerna kommer in.
Federico Capasso, Robert L. Wallace professor i tillämpad fysik och Vinton Hayes senior forskare i elektroteknik vid SEAS och medförfattare till tidningen, och hans laboratorium har redan visat metallenser som samtidigt kan producera flera bilder som innehåller olika information. Utifrån den forskningen, laget designade en metall som samtidigt kan producera två bilder med olika oskärpa.
"Istället för att använda skiktad näthinna för att ta flera samtidiga bilder, som hoppspindlar gör, metallerna delar ljuset och bildar två olika fokuserade bilder sida vid sida på en fotosensor, "sa Shi, som är en del av Capassos lab.
En ultraeffektiv algoritm, utvecklad av Zicklers grupp, tolkar sedan de två bilderna och bygger en djupkarta för att representera objektavstånd.
"Att kunna designa metasytor och beräkningsalgoritmer tillsammans är väldigt spännande, "sa Qi Guo, en doktorsexamen kandidat i Zicklers laboratorium och medförfattare till tidningen. "Detta är ett nytt sätt att skapa beräkningssensorer, och det öppnar dörren till många möjligheter. "
"Metalenses är en teknik som förändrar spelet på grund av deras förmåga att implementera befintliga och nya optiska funktioner mycket mer effektivt, snabbare och med mycket mindre volym och komplexitet än befintliga linser, "sa Capasso." Genom att fusera genombrott inom optisk design och beräknande bildhantering har vi tagit oss till denna nya djupkamera som kommer att öppna ett brett spektrum av möjligheter inom vetenskap och teknik. "
