基于SVD的ICP算法实现点云匹配

ICP（Iterative Closest Point，迭代最近点）是一种常用的点云配准方法，被广泛应用于计算机视觉和机器人领域。它的主要目标是找到两个点云之间的最佳刚体变换（旋转和平移），使它们尽可能地对齐。

在本文中，我们将使用SVD（Singular Value Decomposition，奇异值分解）方法来实现ICP问题的求解。SVD是一种矩阵分解技术，可以将任意矩阵分解为三个矩阵的乘积：U、Σ和V。

首先，我们需要定义一个点云类PointCloud，其中包含点坐标和一些必要的方法：

import numpy as np

class PointCloud:
    def __init__(self, points):
        self.points =</