爲促進物流機械人的廣泛應用，本項目開發了兩個新型的三維成像系統，以解決物流作業中兩個常見難題。其一，運動物體往往難以成像，本項目開發出用於動態物體的便攜式三維成像系統，配備了非常規的輕質光刻彩色濾光片。全新之投影模組只需一次拍攝，即可建構100 萬像素的三維表面。其二是難以重建的透明物體(如玻璃、塑膠表面) ，本項目開發了用於透明物體的三維影像重建系統，配備了基於透明物體中光線多次折反射之路徑分析的嶄新激光共平面演算法。這兩個系統爲物流機械人的未來帶來無限可能。

爲促進物流機械人的廣泛應用，本項目開發了兩個新型的三維成像系統，以解決物流作業中兩個常見難題。其一，運動物體往往難以成像，本項目開發出用於動態物體的便攜式三維成像系統，配備了非常規的輕質光刻彩色濾光片。全新之投影模組只需一次拍攝，即可建構100 萬像素的三維表面。其二是難以重建的透明物體(如玻璃、塑膠表面) ，本項目開發了用於透明物體的三維影像重建系統，配備了基於透明物體中光線多次折反射之路徑分析的嶄新激光共平面演算法。這兩個系統爲物流機械人的未來帶來無限可能。

深度相機與光學雷達採集的原始點雲通常比較稀疏、嘈雜且不均勻。因此，原始數據必須先經過修正才能有效用作渲染、分析或一般處理。我們在本項目開發了深度神經網絡以實現自動點雲上採樣。這能生成稠密、完整與均勻的點雲，以真實地呈現出潛在的表面。為了實現精確的三維重建，本中心亦開發了一種基於邊緣感知的技術用於點雲增強。結果顯示 , 我們的技術可以產生高品質的均勻點雲 , 並促進高品質的三維網格重建。

三維點雲分割是三維場景理解的重要任務。點雲分割旨在將具有相似特性的點聚合到同類並有意義的區域中。語義分割將同一類的多個對象視爲一個整體，而實例分割則將同一類的多個對象視爲不同的個體。分割結果有助全方位分析三維場景, 例如定位物體、場景編輯等等。本中心在此項目的目標是開發出高精確度與實時高效的語義與實例分割演算法。