PCL: Registration模块之IterativeClosestPoint点云配准

参考文献：

        关于此类的详细信息和学术上的理论推导大家可以查看PaulJ. Besl的文章“A Method forRegistration of 3-D Shapes”。

小结：

        ICP匹配，中文应该叫临近点迭代吧，是计算机图形学中的一个非常有用的算法，尤其是在三维重建点云配准中有着极其重要的地位，此外在SLAM等移动机器人导航等领域也有着很大的用武之地。

        经过了十多年的发展ICP也有着很多的变种，今天我们首先熟悉下最基本的ICP匹配算法，PCL中的实现与参考文献中的一致，最终的变换矩阵都是基于SVD（奇异值分解）的。

        在具体的实践中，一共有3个约束来终止迭代：

• 迭代次数，默认值为10；
  
• 上次转换与当前转换的差值；
  
• 前后两次迭代方差的差值。
  

        当然我们还可以使用kdtree加速算法。

        还有一点需要重点提示下，输入的点云需要经过预处理，过于复杂和过多噪声的点与将会出现“Invalid (NaN, Inf) point coordinates given to nearestKSearch!”的错误，比如我使用了官网教程中“楼梯的点云“。

        不同版本的PCL函数命名可能不同，函数个数可能也不一样。

详细介绍：

参数输入输