Den här rapporten sammanfattar och slutrapporterar resultaten för det treåriga forskningsprojektet 3D-lidar för långa avstånd som pågått 2023 till 2025. Arbetet har genomförts inom Försvarsmaktens samlingsbeställning för forskning och teknikutveckling inom Sensorer och signaturanpassning (FoT SoS, AT.9220425). Projektet har studerat hur 3D-avbildande lidar kan nyttjas för att upptäcka hot i en marin miljö på långa avstånd och vilka analysmetoder för 3D-data som kan bidra till förmåga i militära system. Rapporten beskriver även andra aktiviteter inom avbildande lasersensorer, samverkan med andra aktörer inom området samt kunskapsspridningen till Försvarsmakten, FMV och andra intressenter. Data från 3D-avbildande lidar möjliggör direkt inmätning av geometrier och fysisk storlek av objekt i en scen, som kan användas exempelvis för automatisk måldetektion. Vidare kan tekniken avbilda delvis dolda objekt bakom kamouflage, vegetation eller annat skyl. Projektet har genomfört experiment i skärgårdsmiljö med ett fotonräknande lidarsystem som tagits fram vid FOI. Systemet har även vidareutvecklats för att kunna genomföra kontinuerlig mätning på avstånd upp till 6 km med avståndsupplösning i decimeterskala. Naturliga objekt som trädstammar och utplacerade mål som tält, referenstavlor eller personer kan urskiljas vid visuell inspektion av 3D-data. Måldetektion och -igenkänning med ett fotonräknande lidarsystem påverkas av bakgrundsljus och atmosfärsförhållanden såsom sikt och turbulens. En statistisk analys av uppmätt visuell sikt längs den svenska kusten har genomförts inom ramen för projektet. Vid genomförda prov har det varit mestadels god visuell sikt och låg turbulensnivå. Därför har prestanda för 3D-avbildning i detalj inte kunnat kopplas till vare sig turbulens eller siktförhållanden vid nedsatt sikt. I mörker är det möjligt att samla in data med särskilt hög kvalitet. Mätning dagtid är möjligt med något sämre prestanda eftersom bakgrunden i dagsljus gör att mottagarens känslighet måste sänkas. Målsättningen för framtida arbete är att studera hur prestanda påverkas av turbulens och nedsatt sikt, samt att studera hur prestanda kan ökas i miljöer med högt bakgrundsljus. Automatiska analysmetoder kan användas för att bearbeta och analysera stora mängder komplexa data och göra dem tillgängliga för en operatör. Forskningsresultaten visar att metoder för förändringsdetektion och maskininlärning kan anpassas till försvarstillämpningar inom måldetektion, måligenkänning och kartering. Förändringsdetektion är ett viktigt analysverktyg som inte kräver en känd signatur hos ett objekt. Analysmetoder för förändringsdetektion från en fast sensorposition är effektiva för detektion i 3D-lidardata från långa avstånd. Analysmetoder som baseras på maskininlärning ger bra resultat för detektion av personer på långa avstånd. Metoder för detaljerad terrängklassificering baserat på Sveriges nationella lidardata från flygmätningar ger goda prestanda och bör utvecklas vidare i olika tillämpningar för att ta tillvara möjligheterna.