Ngày nay, điều đó đang bắt đầu thay đổi. Một trong những công nghệ chủ chốt đằng sau sự thay đổi này là phân tích đám mây điểm 3D.

Nguồn ảnh: Pixabay/CC0 Public Domain

"Hãy tưởng tượng việc thực hiện hàng triệu phép đo laser chính xác trên một không gian vật lý, chẳng hạn như một con phố, một khu rừng hoặc toàn bộ một thành phố, và ghép chúng lại với nhau để tạo ra một bản đồ ba chiều chi tiết được tạo thành từ các điểm riêng lẻ. Điều này được gọi là đám mây điểm 3D. Công nghệ được sử dụng để phân tích nó tập trung vào việc giúp máy tính hiểu được hình dạng của các đối tượng trong bản đồ và diễn giải ngữ cảnh của chúng trong khung cảnh," Rytis Maskeliūnas, giáo sư Đại học Công nghệ Kaunas (KTU) và là tác giả chính của bài báo được đăng trên tạp chí Remote Sensing Applications: Society and Environment, giải thích .

Từ việc phát hiện người đi bộ đến việc lập bản đồ toàn bộ thành phố.

Mặc dù hầu hết mọi người hiếm khi nghĩ đến điều đó, nhưng những dạng thức ban đầu của công nghệ này đã được tích hợp vào cuộc sống hàng ngày. "Một người bình thường thường xuyên tiếp xúc với dữ liệu và công nghệ 3D cơ bản tương tự như những gì được mô tả trong nghiên cứu của chúng tôi mà không hề nhận ra điều đó", tiến sĩ Sarmad Maqsood, nhà nghiên cứu của KTU, nhận xét.

Các phương tiện hiện đại dựa vào các hệ thống như vậy để thực hiện các chức năng như phanh khẩn cấp tự động hoặc kiểm soát hành trình thích ứng, phân biệt giữa người đi bộ, phương tiện và vạch kẻ đường. Tuy nhiên, độ tin cậy vẫn là một thách thức trong điều kiện phức tạp hoặc tầm nhìn hạn chế.

Dữ liệu đám mây điểm 3D cũng ngày càng được sử dụng để xây dựng các mô hình kỹ thuật số chi tiết của các thành phố. Những mô hình này hỗ trợ quy hoạch đô thị, giám sát cơ sở hạ tầng và phân tích môi trường, tạo nền tảng cho cái gọi là "bản sao kỹ thuật số" - các mô hình ảo mô phỏng môi trường thực tế có thể được cập nhật liên tục và sử dụng để theo dõi những thay đổi theo thời gian.

Tuy nhiên, theo Maqsood, việc hiểu được điều này không hề dễ dàng. "Máy tính gặp khó khăn đáng kể trong việc phân tích đám mây điểm 3D chủ yếu vì loại dữ liệu này vốn dĩ không đều, không có cấu trúc và rất lớn", ông giải thích. Nhà nghiên cứu lưu ý rằng dữ liệu không đồng đều - mật độ cao đối với các vật thể gần và thưa thớt đối với các vật thể ở xa - trong khi các yếu tố quan trọng như người đi bộ có thể xuất hiện ít thường xuyên hơn nhiều so với các nhóm chiếm ưu thế như đường sá hoặc tòa nhà.

Những thách thức này không chỉ mang tính kỹ thuật mà còn cả tính thực tiễn. Xử lý hàng triệu điểm dữ liệu trong thời gian thực đòi hỏi sức mạnh tính toán đáng kể, đồng thời đảm bảo độ chính xác vẫn là yếu tố then chốt trong các ứng dụng nhạy cảm về an toàn. Nhiễu, sự che khuất và nhu cầu cân bằng giữa tốc độ và độ chính xác càng làm phức tạp thêm việc phân tích 3D đáng tin cậy.

Để giải quyết những thách thức này, các nhà nghiên cứu tại KTU đã phát triển một mô hình mới kết hợp nhiều phương pháp phân tích dữ liệu 3D thành một hệ thống duy nhất, hiệu quả hơn. Thay vì chỉ tập trung vào các chi tiết cục bộ hoặc cấu trúc tổng thể, mô hình này tích hợp đồng thời cả hai khía cạnh, cho phép máy móc diễn giải môi trường phức tạp một cách đáng tin cậy hơn. Mô hình kết hợp phân tích dựa trên transformer tiên tiến, một phương pháp nắm bắt các mối quan hệ trên toàn bộ khung cảnh chứ không phải các vùng riêng lẻ, với các cơ chế ưu tiên các đặc điểm quan trọng nhưng ít xuất hiện hơn, cho phép nó xử lý dữ liệu không cân bằng tốt hơn.

Một giải pháp hoạt động ngay cả khi dữ liệu không đầy đủ.

"Hãy tưởng tượng bạn có một bức tranh ghép hình 3D khổng lồ, lộn xộn được tạo thành từ hàng triệu điểm cần được sắp xếp thành các đối tượng có ý nghĩa như đường xá, cây cối và người đi bộ. Mô hình của chúng tôi hoạt động như một công cụ giải đố thông minh và hiệu quả cao," nhà khoa học Maskeliūnas của KTU cho biết. Bằng cách phân tích các mối quan hệ trên toàn bộ khung cảnh đồng thời nhấn mạnh các đặc điểm ít xuất hiện hơn nhưng quan trọng, hệ thống cải thiện khả năng phát hiện các đối tượng nhỏ hoặc chỉ hiển thị một phần mà các phương pháp trước đây có thể bỏ sót.

Điều này trở nên đặc biệt quan trọng trong các tình huống thực tế. Ví dụ, một chiếc xe tự lái tiếp cận một giao lộ lúc chạng vạng có thể chỉ phát hiện được một vài điểm dữ liệu từ một người đi bộ bị che khuất một phần. "Thay vì bỏ sót thông tin này, mô hình sẽ diễn giải nó trong bối cảnh - liên kết các tín hiệu thưa thớt với các yếu tố xung quanh như cột đèn hoặc vạch kẻ đường - và xác định sự hiện diện của một người ngay cả khi dữ liệu không đầy đủ. Khả năng diễn giải bối cảnh từ thông tin hạn chế này có thể cải thiện đáng kể sự an toàn trong các hệ thống tự lái," Maskeliūnas chia sẻ.

Mô hình này cũng đạt được hiệu suất mạnh mẽ về mặt hiệu quả, xử lý các cảnh phức tạp chỉ trong hơn hai giây mỗi khung hình trong khi vẫn duy trì độ chính xác cao. "Ngoài độ chính xác phân đoạn, một thành tựu quan trọng là việc chứng minh được một quy trình xử lý thống nhất, hiệu quả ", Maqsood nói thêm, lưu ý rằng hệ thống tích hợp nén và truyền tải mà không làm mất đi các chi tiết cần thiết, cho phép xử lý và truyền tải dữ liệu 3D quy mô lớn một cách hiệu quả gần như trong thời gian thực.

Nhìn về phía trước, các ứng dụng tiềm năng mở rộng ra xa hơn nhiều so với các trường hợp sử dụng hiện nay. Từ máy bay không người lái giao hàng di chuyển trong môi trường khó lường đến robot hoạt động trong các nhiệm vụ tìm kiếm và cứu hộ, khả năng hiểu biết 3D đáng tin cậy ngày càng trở nên quan trọng. Ngay cả những lĩnh vực ít rõ ràng hơn cũng có thể được hưởng lợi - chẳng hạn như khảo cổ học, nơi dữ liệu thưa thớt phải được tái tạo thành các cấu trúc có ý nghĩa, hoặc khoa học pháp y, nơi các chi tiết không gian tinh tế có thể rất quan trọng. Nó cũng có thể hỗ trợ các ứng dụng thực tế tăng cường tiên tiến, nơi nội dung kỹ thuật số được tích hợp liền mạch vào các môi trường vật lý phức tạp.

Ở cấp độ rộng hơn, những tiến bộ này có thể định hình lại một cách cơ bản cách chúng ta hiểu và quản lý môi trường. Điều từng tưởng chừng như chỉ có trong khoa học viễn tưởng đang dần trở thành hiện thực - máy móc không chỉ học cách nhìn thế giới mà còn học cách hiểu nó.

https://techxplore.com/news/2026-03-digital-twins-robots-faster-3d.html (ctngoc)