ICP迭代最近点方法，是三维建模中将点云模型对齐的一种常用方法。
ICP算法
ICP算法中，一幅点云，称为参考或者目标点云，是固定不动的。另一幅，称为源点云，被算法变换到与参考点云最佳匹配的位置。算法迭代的得出变换矩阵（平移和旋转的组合），这个矩阵需要最小化从源到目标点云的距离。
输入： 目标点云和源点云；两幅点云对齐的评判标准（非必须）；终止迭代的条件
输出：计算的变换矩阵主要步骤：
- 对源点云中的每一个点，找到目标点云中的最近点，作为匹配位置
- 使用均方差函数估算上述步骤找到的、可以将源点云变换到上一步找到的匹配位置的刚性变换。
- 对源点云应用上述刚性变换
- 迭代
$$
E = \Sigma_i [(p_i - q_i) \cdot
n_i + t \cdot n_i +\\
\alpha(p_{i,y}n_{i,z} - p_{i,z}n_{i,y}) +
\\ \beta (p_{i,z}n_{i,x} - p_{i,x}n_{i,z}) + \\ \gamma(p_{i,x}n_{i,y} - p_{i,y}n_{i,x})] ^ 2
$$
设 $c = p \times n$ 且
$$
r =
\begin{pmatrix}
\alpha \\ \beta \\ \gamma
\end{pmatrix}
$$
则E可以写为
$$
E = \Sigma_i[(p_i - q_i)\cdot n_i + t \cdot n_i + r \cdot c_i] ^ 2
$$
这里依据的是向量积的坐标表示。
https://zh.wikipedia.org/wiki/%E5%90%91%E9%87%8F%E7%A7%AF
wiki中“三维坐标”一节中的说明。
