Dit onderzoek heeft als doel 3D-reconstructie te verbeteren door sensorfusie voor een verbeterde scène-analyse en -begrip. Eerst verfijnen we 3D-reconstructie op het gebied van nauwkeurigheid, efficiëntie en robuustheid door sensorfusie te integreren met deep learning-gebaseerde pose-schatting (b.v. door gebruik te maken van vooruitgang in monoculaire diepteschatting). De robuustheid in SLAM wordt verbeterd door UWB, IMU en GNSS te integreren, terwijl de nauwkeurigheid profiteert van hoge-resolutie multi-view camera’s. Efficiëntie wordt geoptimaliseerd door LiDAR en beeldgegevens te combineren. Vervolgens verbeteren we de interpreteerbaarheid van scènes met multimodale data (b.v. hyperspectraal, thermisch, polarisatie, magnetometers) en geavanceerde representaties zoals BRDF. Ten slotte versnellen we scène-reconstructie met methoden zoals neurale rendering en 3D Gaussian splatting. Toepassingen omvatten digitale tweelingen, 3D-weergavevisualisatie, verbeterde doeldetectie, enz