原创————SDF和marching cubes算法
SDF三维表达仅仅包含对三维数据的表达，而并不是面片最终的表达。SDF是一种隐函数，如果需要对最终面片进行表达，需要通过marching cubes 算法提取各个体素的面片。
基本SDF框架：
- 在三维空间构造体素，并对体素初始化为空；
- 将三维数据分配到体素中；
- 对体素各个顶点进行刷新：通过视点到该顶点的射线和该点附近的面片交与一点，顶点到该点的距离即为该点的D（x），w（x）通过计算该点周围面片定点的法向量和这条射线进行加权求得；
- 当心的数据获取后，将新数据的SDF和原始的SDF加权融合，即新的体素中顶点的d（x）和w（x）；
- 最终通过marching cubes 提取面片输出。
填补空洞的SDF框架：
- 在三维空间构造体素，并对体素初始化为unseen标志，体素顶点的D（x）设为最大Dmax；
- 将三维数据分配到体素中，分配的体素标志为varying；
- 对体素各个顶点进行刷新：通过视点到该顶点的射线和该点附近的面片交与一点，顶点到该点的距离即为该点的D（x），w（x）通过计算该点周围面片定点的法向量和这条射线进行加权求得；
- 对体素的状态进行刷新：从该交点到视点的直线所经过的体素更新标志为empty，顶点D（x）设为最小Dmin；
- 当心的数据获取后，将新数据的SDF和原始的SDF加权融合，即新的体素中顶点的d（x）和w（x），并更新体素的状态；
- 最终通过marching cubes 提取面片输出。
http://users.polytech.unice.fr/~lingrand/MarchingCubes/algo.html#msAmb 给出了marching cubes的官网，可以提取最终面片 。
Tips：
1.采用什么数据结构，一个体素8个顶点，相邻的体素会有公用顶点，数据结构不仅减少内存，更对顶点状态的更新有帮助，仅通过一次更改即可对所有体素的该顶点状态更新；
2.Marching cubes存在奇异性，程序上需要对奇异状态的cubes进行互补求解，得到更好的面片。
