点云迭代最近邻点配准法_ICP最近点迭代过程详解

　　这里只讲最基本的ICP，不涉及过多的转换公式之类的，自己看了两个小时，看了一堆文章，看过之后还是感觉自己不能掌握，通过看源码想明白了记录一下。

　　首先ICP是干什么的：ICP是一种点集对点集的配准方法，改算法计算如何把一个数据集中的点云经过平移旋转，使其与另一个数据集中的点云重合.

　　定义两个点集：

　　旋转矩阵R和平移向量t

　 误差函数：

　　

是对应点

　　I：Iterative ,迭代的是什么，迭代的是旋转矩阵R和平移向量t，我们需要使用迭代方法计算他们的增量。

C: closest,最近的，定义两个点集中对应点的距离最近，可以使用欧式距离

算法步骤：

　１．设定一个初始的R,t

２．根据欧式距离计算对应的最近点

　３．根据误差函数，最近点对，使用迭代方法比如LM计算R和t的增量

　４．对R,t进行更新，重新计算误差函数

　５．对误差函数进行判断，如果小于阈值或者超过迭代次数则退出，否则重回３继续使用LM方法计算R和t的增量。

总结：

　　感觉就是一个迭代优化算法，里面有很多可以改动的东西，比如如何判断最近点，用什么迭代方法之类的。