對于多幀通過不同角度拍攝的景物圖像，各幀之間包含一定的公共部分。為了利用深度圖像進行三維重建，需要對圖像進行分析，求解各幀之間的變換參數(shù)。深度圖像的配準(zhǔn)是以場景的公共部分為基準(zhǔn)，把不同時間、角度、照度獲取的多幀圖像疊加匹配到統(tǒng)一的坐標(biāo)系中。計算出相應(yīng)的平移向量與旋轉(zhuǎn)矩陣，同時消除冗余信息。點云配準(zhǔn)除了會制約三維重建的速度，也會影響到模型的精細程度和全局效果。因此必須提升點云配準(zhǔn)算法的性能。

全局配準(zhǔn)是使用整幅圖像直接計算轉(zhuǎn)換矩陣。通過對兩幀精細配準(zhǔn)結(jié)果，按照一定的順序或一次性的進行多幀圖像的配準(zhǔn)。這兩種配準(zhǔn)方式分別稱為序列配準(zhǔn)（Sequential Registration）和同步配準(zhǔn)（Simultaneous Registration）。

配準(zhǔn)過程中，匹配誤差被均勻的分散到各個視角的多幀圖像中，達到削減多次迭代引起的累積誤差的效果。值得注意的是，雖然全局配準(zhǔn)可以減小誤差，但是其消耗了較大的內(nèi)存存儲空間，大幅度提升了算法的時間復(fù)雜度。

經(jīng)過配準(zhǔn)后的深度信息仍為空間中散亂無序的點云數(shù)據(jù)，僅能展現(xiàn)景物的部分信息。因此必須對點云數(shù)據(jù)進行融合處理，以獲得更加精細的重建模型。以Kinect傳感器的初始位置為原點構(gòu)造體積網(wǎng)格，網(wǎng)格把點云空間分割成很多的細小立方體，這種立方體叫做體素(Voxel)。通過為所有體素賦予SDF（Signed Distance Field，有效距離場）值，來隱式的模擬表面。