A „nagy adatok” és a „dolgok internete” megjelenését szorosan követi az „intelligens szenzorhálózatok” és ezzel a „mesterséges térintelligencia” térnyerése, mely a mesterséges intelligencia egy új diszciplínája. A mesterséges térintelligencia célja olyan számítógépes látási algoritmusok kutatása, amelyek lehetővé teszik robotok és más intelligens eszközök számára a körülöttük lévő 3D terek feltérképezését, az ebben való pontos és robusztus lokalizálásukat, a jelen lévő objektumok felismerését, és értelmezni tudják ezek mozgását és kölcsönhatását a környező világban, biztosítva az objektumokkal és egyéb intelligens ágensekkel való együttműködést.

Jelen előadásban olyan módszereket mutatok be, amelyek környezetünk vizuális információi alapján segítenek felépíteni a szemantikusan is értelmezhető térmodelleket, többnyire elegáns matematikai leírással.

Ezt segíti, hogy a vizuális világ szerkezete axiomatikus tulajdonságokkal is leírható, mint a markovi gráfstruktúra vagy a skálafüggetlen képi tulajdonságok. Ezek továbbfejlesztése például a fúziós markovi képszegmentálás vagy az adaptív textúradetekció. A vak dekonvolúció kettős iterációs eljárása egy speciális konvergenciakritérium segítségével képes az egynézetű képeken a relatív fókuszmélységtérkép előállítására. Egy hasonló kettős iterációval a mozgáskorrelációk alapján előállított ergodikus reguláris Markov-lánccal lehetséges a nagy bázistávolságú kamerák összeregisztrálása.