据外媒报道，英国苏格兰赫瑞瓦特大学（Heriot-Watt University）的研究人员与法国图卢兹大学（University of Toulouse）的研究人员合作，提出了一种新框架，能够将统计模型与计算机图像界中可高度扩展的计算工具相结合，以实时（50帧/秒的速度）提取精确的3D信息。

（图片来源：赫瑞瓦特大学）

该新方法可以在杂乱的场景中探测目标，并形成图像，能够实时对复杂移动场景进行目标重建，并为汽车远程传感（下一代无人驾驶汽车的关键功能）所需的传感技术提供先行技术。重建3D场景技术可用于各种重要应用，如自动驾驶汽车、环境监测和国防等。

其中一位研究人员，工程与物理科学学院的院长Stephen McLaughlin表示：“能够实时重建3D视频，可实现汽车远程传感技术，这也是下一代无人驾驶汽车的一项关键功能。”

目前，最近几代的汽车都采用基于激光的雷达或激光雷达技术，以测量车辆与邻近车辆或其他潜在障碍物的距离。

赫瑞瓦特大学率先采用先进的时间相关单光子计数激光雷达（time-correlated single-photon counting lidar）法，使用对眼睛安全的激光源，而且识别远距离（数百米到上千米）物体时具有良好的分辨率。

最近，该项技术被用于在雾中、目标杂乱、水下介质高度散射或距离大于10公里的自由空间等极端环境下，成功重建了高分辨率的3D图像。

不过，到目前为止，一个最主要的障碍就是分析此类收集而来的数据需要大量的时间。从单个定时单光子探测事件中恢复3D信息是一项极具挑战性的任务，需要大量的图像处理算法，此前的方法在处理单个激光雷达帧，或者对场景采用限制性假设，以恢复场景时，需要几十秒，甚至几分钟，阻碍了3D成像的实际应用。