3维点云的配准基本算法，基于pcl库的icp算法程序

关于介绍点云配准的文章，可以进行相关方面的初步了解。

针对计算机辅助手术三维导航技术中术前CT图像与术中实际空间的配准问题，提出一种基于最近点迭代(ICP，herative Closest Point)算法的特征点云配准技术．利用医学图像空间和实际空间特征区域的两片点云坐标进行三维配准．对CT图像进行重建、分割及交互式操作得到医学图像特征点云；利用光学定位仪实时采集实际空间中对应区域的点云；通过主元分析(PCA，Principal Component Analysis)获取两组点云数据的特征向量进行初配准；进行最近点迭代使配准矩阵收敛到一个最优解，其中采用k

用于完成空间配准的ICP程序，所用语言为C++,同时需要安装open cv

ICP算法，即Iterative Closest Points Algorithm。基本思想是：根据某种几何特性对数据进行匹配，并设这些匹配点为假想的对应点，然后根据这种对应关系求解运动参数。再利用这些运动参数对数据进行变换。并利用同一几何特征，确定新的对应关系，重复上述过程。

用matlab实现两帧点云的匹配，该算法基于ICP理论，且绕一轴的ICP算法。

ICP算法加速优化--多线程和GPU 已成功编译配置： Windows10下环境配置：cmake3.23.3+VS2019+CUDA11.1+PCL1.12.1 Ubuntu20.04（WSL）下环境配置：基于docker镜像cuda11.1-gcc，cmake3.16.3+PCL1.10.0

三维叶片测量数据的ICP对齐算法，用C++实现

ICP算法实现自动配准，基于opencv及vs实现，是二维的

三维点集配准问题是计算机技术中的一个极其重要的问题，作为解决三维点集配准问题的一个应用较为广泛的算法，ICP算法得到了研究者的关注，本文以一种全新的思路从配准元素的选择、配准策略的确定和误差函数的求解等3个方面对三维点集配准的ICP算法的各种改进和优化进行了分类和总结。