下载掌阅APP，畅读海量书库
立即打开
现在回头看看这项实验课题。我们遇到的第一个难题是如何获取鸟群及其形状的三维图像，并且通过对连续拍摄的各种照片进行组合，重建三维影像。理论上非常容易做到，这个问题可以用一种简单的方法解决：我们都知道，想要看到三维效果，只要同时使用双眼即可。同时从两个不同的角度看，即使这两个角度和我们的眼睛一样近，也能让大脑“计算”被观察物的距离，从而构建三维图像。如果只用一只眼睛，你对图像的纵深就没有概念了。你可以轻轻松松地体验到这种感觉，闭上一只眼睛，试着用一只手抓住摆在你面前的一个物体，结果与物体的实际位置相比，手不是远了，就是近了。蒙上一只眼睛打网球或乒乓球的话，就注定会输球。然而，想让实验正常进行，我们就必须分辨出哪只鸟是左边相机拍的，哪只鸟是右边相机拍的，如果每张照片中都有数千只鸟的话，这一操作就会变成一场噩梦。
显然，这是一块难啃的硬骨头。在目前的科学文献研究中，一些能被三维重建的照片上最多也只有20来只动物，还需要手动识别，我们当时想要重建的却是好几千张照片，而且每张照片上都有几千只鸟。这项工作自然无法手动完成，必须依靠计算机进行识别。
在没有做好适当准备的情况下挑战某个问题就等于自讨苦吃。我们成立了一个小组，其中不仅有物理学家——除了我，还有我的老师尼古拉·卡比博和我最好的两个学生安德烈亚·卡瓦尼亚、伊莱内·贾尔迪纳——还有两位鸟类学家（恩里科·阿莱瓦和克劳迪奥·卡雷雷）。2004年，我们与已故的经济学家马尔切洛·德·切柯和其他欧洲同事们一道，向当时的欧共体提交了经费申请。申请得到批准，实验终于可以启动了，我们让即将毕业的本科生和博士生参与进来，并着手购买设备。
我们将相机架设在马西莫宫的屋顶上，这座美丽的建筑是罗马国家博物馆所在地，可以俯瞰特米尼火车站前的广场，那些年（第一批数据是在2005年12月至2006年2月之间收集的）这地方被椋鸟选中，成为它们最热闹的宿舍。我们使用的是更高端的商用相机，因为摄像机的清晰度仍然太低。两架相距25米的相机保证我们能够以约10厘米的空间精度捕捉到距我们几百米的两只椋鸟的相对位置，这个精度足以分辨两只相距约一米飞行的椋鸟。我们在距其中一架相机几米的地方增设了第三架相机，当两只鸟在两架主相机中的一架上相互重叠时，第三架相机就可以为我们提供基本的帮助，让我们在各种情况下都能完成尤为艰难的三维重建。
三架相机同时以毫秒的精度每秒拍摄五张照片（我们必须设计一种简单的电子设备来操控相机）。实际上，我们在每个机位上都安装了两台相互连接的设备，它们可以交替拍摄，使图像频率翻倍，所以我们其实每秒拍摄了10帧图像。事实上，我们并不比通常每秒拍摄25至30帧图像的摄像机差多少。虽然我们用的是相机，但实际上拍出的是小电影。
在此我要省略所有技术问题不谈，例如相机的整齐排列（这是用一根拉紧的渔线做到的）、对焦和校准、海量兆字节信息的快速存储……最终我们都做到了，这也要归功于安德烈亚·卡瓦尼亚坚韧不拔的精神，我很愿意将这些工作的指挥权让贤给他，他的确是一个比我好得多的组织者，因为很多杂事会让我分心。
显然，我们不仅需要拍出3D电影，从技术角度来看这是一个非常费工夫的活儿，还必须重建三维位置。有了电影院里的3D电影，这件事就好办多了：我们每只眼睛看到的是由一台设备拍摄的东西，然后我们这个经过数百万年进化而来的大脑就完全能够生成三维视图，将我们在空间中所见物体的位置确定下来。我们在计算机上使用算法时面临类似的任务，这是挑战的第二部分。我们深化了统计分析、概率和复杂数学算法的全部技能。一连好几个月，我们都在担心不能成功，因为有时你攻克了一个太难的问题，然后又会无功而返（事先不可能知道）。幸运的是，经过艰苦的工作，发明了必要的数学工具，我们找到了一个接一个解决难题的策略，在拍出第一张高质量照片的一年后，终于得到了第一张三维重建图像。