前面介紹了如何使用RGB做姿態估計，以及利用 triangulation得到3D點雲。由於沒有深度訊息，相機姿態需要考慮的投影問題，並且得到的3D點雲再沒有經過額外處理下非常稀疏（sparse），畢竟只有匹配的特徵點才可以算出3D點。

要如何改進呢？

當我們有了深度圖（已知相機拍攝範圍內的3D資訊），我們也可以用來估計相機姿態與重建出更完整的 3D 模型，也就是 mesh。

因此本系列最後的幾篇文，將會來介紹兩個利用深度圖的主流算法：

1. 迭代最近點（Iterative closest point）算法：利用兩張鄰近幀特深度圖估計相機姿態
2. TSDF Fusion 或稱 Kinect Fusion 算法：已知的相機姿態資訊，融合多張深度圖重建出三維模型。

實作的部分也會圍繞 TUM RGB-D 數據集進行。由於目前較新的 iPhone 都有拍攝深度圖的功能（RGB-D 影片），因此，如果有機會，也可以來嘗試介紹使用第三方的 App，拍攝RGB-D 影片，並且搜集的資料拿來作為三維重建的材料。相信比起公開數據集，若是使用自己拍攝的資料，得到的結果更能使嘗試的讀者更有感覺。