大勢智慧是一家專注于真實世界三維數(shù)字化重建及三維數(shù)據(jù)服務的高新技術企業(yè)，公司在城市高精度三維建模、模型應用及語義化理解和文化遺產(chǎn)數(shù)字化保護領域具有先進的技術優(yōu)勢和豐富實踐經(jīng)驗。

PCL部分常用的算法模塊：

libpcl I/O：完成數(shù)據(jù)的輸入、輸出過程，如點云數(shù)據(jù)的讀寫；

libpcl filters：完成數(shù)據(jù)采樣、特征提取、參數(shù)擬合等過程；

libpcl register：完成深度圖像的配準過程，例如迭代zui近點算法；

libpcl surface：完成三維模型的表面生成過程，包括三角網(wǎng)格化、表面平滑等。

精細配準是一種更深層次的配準方法。經(jīng)過前一步粗配準，得到了變換估計值。將此值作為初始值，在經(jīng)過不斷收斂與迭代的精細配準后，達到更加準確的效果。以經(jīng)典的ICP算法為例，該算法首先計算初始點云上所有點與目標點云的距離，保證這些點和目標點云的zui近點相互對應，同時構造殘差平方和的目標函數(shù)。ICP算法能夠獲得精正確無誤的配準結果，對自由形態(tài)曲面配準問題具有重要意義。另外還有如SAA（Simulate Anneal Arithmetic，模擬退火）算法、GA（Genetic Algorithm，遺傳）算法等也有各自的特點與使用范疇。

表面生成的目的是為了構造物體的可視等值面，常用體素級方法直接處理原始灰度體數(shù)據(jù)。Lorensen提出了經(jīng)典體素級重建算法：MC（Marching Cube，移動立方體）法。移動立方體法首先將數(shù)據(jù)場中八個位置相鄰的數(shù)據(jù)分別存放在一個四面體體元的八個頂點處。對于一個邊界體素上一條棱邊的兩個端點而言，當其值一個大于給定的常數(shù)T，另一個小于T時，則這條棱邊上一定有等值面的一個頂點。然后計算該體元中十二條棱和等值面的交點，并構造體元中的三角面片，所有的三角面片把體元分成了等值面內與等值面外兩塊區(qū)域。連接此數(shù)據(jù)場中的所有體元的三角面片，構成等值面。合并所有立方體的等值面便可生成完整的三維表面。

雙目重建通常又稱之為，立體匹配、雙目匹配、雙目立體視覺、靜態(tài)匹配等。

根據(jù)所用的相機差異，比如zhen孔相機、魚眼相機，實現(xiàn)略有差別。根據(jù)重建時匹配方式的不同，又可以分為全局、本全局、局部匹配。

其過程可描述如下：利用左右相機得到的兩幅矯正圖像，通過一幅圖在另一幅圖上找匹配，然后根據(jù)三角測量原理恢復出環(huán)境三維信息。在魚眼相機的匹配中，也有不矯正圖像，直接匹配的做法，這樣做需要計算圖像極線。  

由于整個匹配的過程只需一個時刻的左右圖像，所以也有人稱為靜態(tài)立體視覺。