PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C 编程库，它实现了大量点云相关的通用算法和gao效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追zong、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。

PCL是一个模块化的C 模板库，其基于以下第三方库：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追zong、曲面重建、可视化等。

SDF值等于此体素到重建表面的*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*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，智慧自然资源，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。

经过配准后的深度信息仍为空间中散乱无序的点云数据，仅能展现景物的部分信息。因此必须对点云数据进行融合处理，以获得更加精细的重建模型。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。