三维体素数据不能直接用嵌套std::vector，因其内存不连续、多次堆分配、缓存命中率低、三次指针解引用开销大，且无法满足GPU传输和SIMD向量化需求；应采用单块内存+指针偏移的一维展平方案。
三维体素数据为什么不能直接用 std::vector<:vector>>></:vector>
嵌套 vector 在三维重建中内存不连续，每次 push_back 可能触发多次堆分配，缓存命中率低；访问 v[x][y][z] 需要三次指针解引用 + 边界检查开销，实时重建（如 TSDF 或体素哈希）下性能崩塌。更关键的是，GPU 传输或 SIMD 向量化时，这种结构根本没法直接映射。
用单块内存 + 指针偏移实现三维索引
把整个体素空间展平成一维数组，用指针算术代替多维下标。假设分辨率为 W × H × D，体素值类型为 float：
float* data = new float[W * H * D]; // 访问 (x, y, z)：注意 z 是深度方向，通常按 z 最快变化（行主序） float& voxel = data[z * W * H + y * W + x];
常见错误：
- 下标顺序错乱：
data[x * H * D + y * D + z]和硬件/库约定不一致，导致可视化翻转或法向量反向 - 未对齐访问：若体素尺寸非 16 字节倍数，
__m128读取会崩溃，需用_mm_load_ps前检查地址是否 16 字节对齐 - 越界无保护：C++ 指针不检查，调试时建议临时加
assert(x >= 0 && x = 0 && y = 0 && z
用 class VoxelGrid 封装裸指针，避免裸 new/delete
裸指针易忘释放、难共享所有权。封装后可支持 RAII、拷贝语义和 GPU 映射：
立即学习“C++免费学习笔记（深入）”；
class VoxelGrid {
public:
VoxelGrid(int w, int h, int d) : W(w), H(h), D(d) {
data = static_cast<float*>(aligned_alloc(64, W * H * D * sizeof(float)));
// 初始化为 NaN 或 0，视 TSDF/ESDF 而定
std::fill_n(data, W * H * D, NAN);
}
~VoxelGrid() { aligned_free(data); }
float& at(int x, int y, int z) {
return data[z * W * H + y * W + x];
}
private:
float* data;
const int W, H, D;
};
关键点：
- 用
aligned_alloc替代new，确保 AVX-512 或 CUDA pinned memory 兼容 - 禁止拷贝构造（或实现深拷贝），否则两个对象指向同一块内存
- 若需跨线程访问，
at()应加std::atomic_ref<float></float>或锁，但会拖慢吞吐——实际项目中更常用 per-voxel lock-free CAS 或分块加锁
与 OpenCV / PCL / CUDA 交互时的指针陷阱
OpenCV 的 cv::Mat 默认行主序，PCL 的 PointCloud 存的是点坐标而非体素，CUDA 核函数要求设备指针。三者混用极易出错：
- 传给 CUDA kernel 时，必须用
cudaMalloc分配显存，再cudaMemcpy拷贝，不能直接传主机data指针 - 用
cv::Mat显示某一层（如 XY 切片）：需构造 header 指向&data[z * W * H]，并设step = W * sizeof(float)，否则图像拉伸 - PCL 的
OrganizedPointCloud无法直接表示体素——它只存有深度图结构的点云，想转体素必须自己做栅格化，此时指针索引逻辑要和深度图坐标系对齐（注意 OpenNI 和 RealSense 的 Z 轴正方向相反）
体素管理真正的复杂点不在指针本身，而在坐标系统一：世界坐标、相机坐标、体素网格坐标、GPU 纹理坐标，四者间任意一对转换出错，指针算得再准，重建结果也是错的。
