ICP算法博客辑录

主要是了解思想，就不写具体的计算公式之类的了

（一） ICP算法（Iterative Closest Point迭代最近点）

ICP（Iterative Closest Point迭代最近点）算法是一种点集对点集配准方法，如下图1

如下图，假设PR（红色块）和RB（蓝色块）是两个点集，该算法就是计算怎么把PB平移旋转，使PB和PR尽量重叠，建立模型的

（图1）

ICP是改进自对应点集配准算法的

对应点集配准算法是假设一个理想状况，将一个模型点云数据X（如上图的PB）利用四元数旋转，并平移得到点云P（类似于上图的PR）。而对应点集配准算法主要就是怎么计算出qR和qT的，知道这两个就可以匹配点云了。

但是对应点集配准算法的前提条件是计算中的点云数据PB和PR的元素一一对应，这个条件在现实里因误差等问题，不太可能实线，所以就有了ICP算法

 

ICP算法是从源点云上的（PB）每个点 先计算出目标点云（PR）的每个点的距离，使每个点和目标云的最近点匹配，（记得这种映射方式叫满射吧）

这样满足了对应点集配准算法的前提条件、每个点都有了对应的映射点，则可以按照对应点集配准算法计算，但因为这个是假设，所以需要重复迭代运行上述过程，直到均方差误差小于某个阀值。

 

也就是说 每次迭代，整个模型是靠近一点，每次都重新找最近点，然后再根据对应点集批准算法算一次，比较均方差误差，如果不满足就继续迭代

 

文章出处：http://www.cnblogs.com/yin52133/ 本文可自行转载，但转载时记得给出原文链接

文章链接：http://www.cnblogs.com/yin52133/archive/2012/07/21/2602562.html