SDF值等于此体素到重建表面的zui小距离值。当SDF值大于零，表示该体素在表面前；当SDF小于零时，表示该体素在表面后；当SDF值越接近于零，表示该体素越贴近于场景的真实表面。KinectFusion技术虽然对场景的重建具有gao效实时的性能，但是其可重建的空间范围却较小，主要体现在消耗了极大的空间用来存取数目繁多的体素。

为了解决体素占用大量空间的问题，Curless等人提出了TSDF (Truncated Signed Distance Field，截断符号距离场)算法，该方法只存储距真实表面较近的数层体素，而非所有体素。因此能够大幅降低KinectFusion的内存消耗，减少模型冗余点。

对于多帧通过不同角度拍摄的景物图像，各帧之间包含一定的公共部分。为了利用深度图像进行三维重建，需要对图像进行分析，求解各帧之间的变换参数。深度图像的配准是以场景的公共部分为基准，把不同时间、角度、照度获取的多帧图像叠加匹配到统一的坐标系中。计算出相应的平移向量与旋转矩阵，同时消除冗余信息。点云配准除了会制约三维重建的速度，三维集群建模，也会影响到模型的精细程度和全局效果。因此必须提升点云配准算法的性能。

大势智慧是一家专注于真实世界三维数字化重建及三维数据服务的高新技术企业，公司在城市高精度三维建模、模型应用及语义化理解和文化遗产数字化保护领域具有先进的技术优势和丰富实践经验。

以Kinect传感器的初始位置为原点构造体积网格，网格把点云空间分割成很多的细小立方体，这种立方体叫做体素(Voxel)。通过为所有体素赋予SDF（Signed Distance Field，有效距离场）值，来隐式的模拟表面。

大势智慧欢迎咨询(多图)-三维集群建模由武汉大势智慧科技有限公司提供。大势智慧欢迎咨询(多图)-三维集群建模是武汉大势智慧科技有限公司今年新升级推出的，以上图片仅供参考，请您拨打本页面或图片上的联系，索取联系人：吴先生。