A Volumetric Method for Building Complex Models from Range Images
这篇文章提出了一种用于从深度图像构建复杂模型的体积方法。具有增量更新，方向不确定性的表示，填空洞的能力和对于离群点的处理的鲁棒性。本文的体积的算法主要有累积加权有符号距离函数组成。一次使用一个深度图，首先将他转化为距离函数，然后将它用简单的添加方案将他们结合起来，为了节省空间，本文使用行程长度压缩算法。实现时间效率，我们对范围图像进行重新采样，以与体素网格对齐，并同步遍历范围和体素扫描线。 我们通过从体积网格提取等值面来生成最终形态。
这张图解释了从laser到range image然后再最终网格化的过程。
具体算法：我们的算法采用由样本表示的连续隐函数D（x）。
这幅图说的是零点的设置问题，没有用权重的方法的有距离函数，通过瞄准x轴，也就是垂直x轴方向看，可以看到一条面在xy轴上的投影线，与x轴的焦点为0点。当平面有误差存在是，则去中间的那个点为0点。
这幅图是将权重和距离函数结合到一起，其中d1（x）和d2（x）是有符号距离分布，w1（x）和w2（x）是权重函数。一般情况 （b）D（x）是d1（x）和d2（x）的加权组合，W（x）是权重函数之和。 考虑到这个表述，过零点R成为r1和r2的加权组合代表我们对表面位置的最佳猜测。 在实践中，我们将距离坡度和重量截断到范围点附近。
增量的计算，公式是：
累积函数的过零点在一个范围内，R由下式给出：
