自动驾驶汽车、无人机等智能系统如何像人类一样理解世界，准确识别行人、自行车等物体，一直是技术挑战。考纳斯科技大学（KTU）的研究团队近期在《遥感应用：社会与环境》发表文章，介绍了一种提升3D点云处理效率的新模型，有望解决这一问题。
3D点云是通过激光测量创建的三维地图，用于分析物体形状和场景上下文。KTU教授Rytis Maskeliūnas解释：“想象对街道或城市进行数百万次测量，拼接成点组成的地图，这就是3D点云。”这项技术已应用于日常，如车辆自动紧急制动，但复杂条件下可靠性仍不足。
3D点云数据还用于构建城市数字模型，支持规划监控，形成数字孪生基础。然而，KTU研究员Sarmad Maqsood博士指出：“计算机分析3D点云面临困难，因为数据不规则、海量且不均匀。”实时处理需要高计算能力，而噪声、遮挡等挑战使分析复杂化。
为此，KTU研究人员开发了新模型，整合局部和全局视角，结合基于transformer的分析和优先处理机制，更好处理不平衡数据。Maskeliūnas说：“模型像智能拼图解谜器，通过分析场景关系和强调重要特征，改进对小或部分可见物体的检测。”例如，自动驾驶汽车在黄昏能识别部分遮挡行人，提升安全性。
该模型效率高，每帧处理复杂场景仅需两秒多，保持高精度。Maqsood补充：“系统集成了压缩和传输，允许大规模3D数据近实时处理。”未来应用可扩展至送货无人机、搜救机器人、考古学和增强现实等领域，推动机器从“看”到“理解”世界的进步。
出版详情：作者：Kaunas University of Technology；标题：《Digital twins to rescue robots: What faster 3D point cloud processing enables》；发表于：《Remote Sensing Applications: Society and Environment》(2026)。
