PCL框架包括很多***的算法和典型的数据结构，如滤波、分割、配准、识别、追zong、可视化、模型拟合、表面重建等诸多功能。在算法方面，PCL是一套包括数据滤波、点云配准、表面生成、图像分割和定位搜索等一系列处理点云数据的算法。例如PCL中实现管道运算的接口流程：

①创建处理对象，例如滤波、特征估计、图像分割等；

②通过setInputCloud输入初始点云数据，进入处理模块；

③设置算法相关参数；

④调用不同功能的函数实现运算，并输出结果。

在计算机视觉中，实景三维， 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全，因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易， 其方法是先对摄像机进行标定， 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。

ToF相机容易受到环境因素的影响，如混合像素、外界光源等，导致景物深度不准确；系统误差与随机误差对测量结果的影响很大，需要进行后期数据处理，主要体现在场景像素点的位置重合上。

三维深度信息的配准按不同的图像输入条件与重建输出需求被分为：粗糙配准、精细配准和全局配准等三类方法。粗糙配准研究的是多帧从不同角度采集的深度图像。首先提取两帧图像之间的特征点，这种特征点可以是直线、拐点、曲线曲率等显式特征，也可以是自定义的符号、旋转图形、轴心等类型的特征。随后根据特征方程实现初步的配准。粗糙配准后的点云和目标点云将处于同一尺度(像素采样间隔)与参考坐标系内，通过自动记录坐标，得到粗匹配初始值。