Αυτή η κάμερα καταγράφει 3D ολογράμματα με μόνο ένα pixel ακόμα και μέσα από υφάσματα! [Video]

Μια εντυπωσιακή καινοτομία στον τομέα της οπτικής τεχνολογίας έρχεται από την Ιαπωνία και το Kobe University, όπου η ερευνητική ομάδα του Yoneda Naru ανέπτυξε ένα πρωτοποριακό σύστημα καταγραφής τρισδιάστατων εικόνων που λειτουργεί με μόλις ένα πίξελ. Η νέα αυτή μέθοδος ανοίγει δρόμους για 3D απεικονίσεις ακόμα και μέσα από αδιαφανή υλικά, με εφαρμογές που φτάνουν από τη βιοϊατρική έως τη ρομποτική και την ασφάλεια.

Στην καρδιά της τεχνολογίας βρίσκεται μια συσκευή που ονομάζεται digital micromirror device (DMD) – ένα μικροσκοπικό σύστημα καθρεπτών ικανό να προβάλλει μοτίβα φωτός με εξαιρετική ταχύτητα. Η συσκευή αυτή φτάνει τους 22000 κύκλους ανά δευτερόλεπτο, σε αντίθεση με τους μόλις 60 που συναντώνται σε παραδοσιακά ολογραφικά συστήματα. Όπως αναφέρουν χαρακτηριστικά οι ερευνητές, είναι σαν να περπατάς και δίπλα σου να περνά ένα maglev τρένο…

Το ιδιαίτερο επίτευγμα του Kobe University συνδυάζει τα πλεονεκτήματα δύο προϋπάρχοντων τεχνικών: του FINCH, που λειτουργεί αποτελεσματικά με ορατό φως αλλά υπό ιδανικές συνθήκες, και του OSH, που μπορεί να διαπεράσει αδιαφανή υλικά, αλλά είναι πολύ αργό για δυναμικές εφαρμογές. Η νέα διαμόρφωση ξεπερνά αυτούς τους περιορισμούς, προσφέροντας δυνατότητα καταγραφής σε πραγματικό χρόνο τρισδιάστατων εικόνων, ακόμη και από αντικείμενα σε κίνηση ή βιολογικούς ιστούς, όπως το κρανίο ενός ποντικού.

Η τεχνολογία αυτή μπορεί να φέρει επανάσταση στον ιατρικό και βιολογικό τομέα, δίνοντας τη δυνατότητα μη επεμβατικής παρατήρησης φυσιολογικών διεργασιών ή ακόμα και διάγνωσης μέσω τρισδιάστατης ανάλυσης εσωτερικών ιστών. Ένα από τα κλειδιά της αποτελεσματικότητας αυτής της μεθόδου είναι η χρήση της λεγόμενης sparse sampling, μιας τεχνικής που μειώνει τον όγκο των απαραίτητων δεδομένων για την κατασκευή εικόνας, επιτρέποντας την αύξηση του ρυθμού καρέ στα 30 Hz, δηλαδή στο επίπεδο των κοινών βίντεο.

Αν και η ποιότητα εικόνας βρίσκεται ακόμα σε πρωτόγονο στάσιο, η ερευνητική ομάδα εργάζεται εντατικά για τη βελτίωση της. Χρησιμοποιούνται βελτιστοποιημένα μοντέλα φωτός και αλγόριθμοι βαθιάς μηχανικής μάθησης (deep learning), με σκοπό να μετατρέψουν τον τεράστιο όγκο ακατέργαστων δεδομένων σε εικόνες υψηλής ευκρίνειας και μάλιστα εν δυνάμει σε πραγματικό χρόνο.

Η δυνατότητα να «βλέπει» κανείς μέσα από αδιαφανή υλικά και να καταγράφει τρισδιάστατα αντικείμενα υπό δύσκολες συνθήκες φωτισμού δεν αφορά μόνο τον ιατρικό χώρο. Μπορεί να έχει εφαρμογές στην ασφάλεια, τη ρομποτική, ακόμα και την επιστημονική εξερεύνηση, δημιουργώντας νέες δυνατότητες για τη μελέτη περιβαλλόντων ή αντικειμένων που έως τώρα ήταν αδύνατο να απεικονιστούν με ακρίβεια.

[via]