多尺度ICP点云配准

一、概述1、ICP配准方法ICP（Iterative Closest Point，迭代最近点算法）是一种将两片点云进行精确对齐的经典算法。所谓点云配准，就是找到从一个点云到另一个点云的刚性变换（旋转和平移），使得两者在空间位置上尽可能重合。ICP通过反复迭代来逼近最优解：首先在源点云中取点，在目标点云中寻找最近点作为对应关系；然后根据这些对应点对计算出最优的刚性变换；接着将源点云按该变换移动，再重新找最近点，如此循环，直到满足收敛条件（如均方根误差足够小或迭代次数达到上限）。由于整个过程只依赖点坐标而不需要特征提取，因此实现简单且通用，但它对初始位姿敏感，容易陷入局部最优，通常需要先进行粗配准或提供较好的初值。ICP广泛应用于三维重建、机器人定位、医学图像融合、工业测量等领域。2、改进特性：本代码实现了一种 鲁棒的多尺度 ICP（迭代最近点）点云配准算法 ，用于将源点云精确对齐到目标点云，广泛应用于三维重建、SLAM、逆向工程等领域。1） 法向量估计（PCA）：对每个点的邻域点集进行主成分分析：计算协方差矩阵特征分解得到三个特征值最小特征值对应的特征向量即为法向量2）Point-to-Plane 度量传统 ICP 最小化