1.一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述方法的计算在GPU上进行，包括数据预处理阶段、数据配准阶段、数据融合阶段和三维模型提取阶段；其中，
所述数据预处理阶段包括数据截断、数据滤波和数据分层；
所述数据配准阶段设置为用于求解深度图像数据在全局坐标下的位姿；
所述数据融合阶段设置为用于将所述深度图像数据融合到改进的三维截断有向距离场模型中；
所述三维模型提取阶段设置为从所述改进的三维截断有向距离场模型中提取出三维网格模型。
2.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述数据截断设置为将不在最大范围值和最小范围值的范围内的深度图像数据中的像素点设置为0；
所述数据滤波设置为过滤所述深度图像数据中的噪点；
所述数据分层设置为将所述深度图像数据分为三层，其中每层是上层数据量的四分之一。
3.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述数据配准阶段使用高斯牛顿方法解误差方程，得到迭代公式，求取位姿。
4.如权利要求2所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述数据滤波设置为采用双边滤波过滤所述深度图像数据中的噪点。
5.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述数据融合阶段采用改进的三维截断有向距离场存储三维模型数据。
6.如权利要求5所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述改进的三维截断有向距离场将有向距离场均匀分成N个部分，当所述深度图像数据的范围超过所述改进的三维截断有向距离场模型时，更新存储模型。
7.如权利要求6所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述更新储存模型是将最久没有使用过的部分中的三维数据提取出来，用于储存新的三维数据。
8.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述数据融合阶段使用所述数据配准阶段求到的位姿转换到局部坐标下，使用小孔成像原理转换到成像平面所在的平面中，并且计算临时距离值，当所述临时距离值在设定的范围内时，更新体素的距离值。
9.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述三维模型提取阶段将体素转换为三维点，获得所述三维点之后使用移动立方体方法网格化。
10.如权利要求1所述的一种基于GPU及面向深度图像的实时三维重构方法，其特征在于，所述GPU使用多线程并行计算。