一、前言
Robotics science and system 会议论文 作者是斯坦福大学的 Aleksandr V. Segal、Dirk Haehnel、Sebastian Thrun。
本文首先介绍了ICP和point to plane 方法，然后引出了Generalized ICP方法
二、ICP原理简介
标准的ICP算法可以分成两步：
- 确定两组点云之间的点的对应关系；
- 计算能够使具有对应关系的点对距离最小的Transformation。
通过两步之间的不断迭代可以使得到两组点云之间的变换逐渐收敛。由于两次测量（scan）中仅有部分重叠区域，作者提出可以通过添加最大匹配阈值
（距离）解决此问题。
代表了收敛性和准确性之间的一种权衡。
图1 标准ICP算法
三、 Point-to-plane 方法简介
Point-to-plane是一种ICP变体通过利用曲面法线信息来提高性能（单从描述上看我还没看出来如何提高性能？难道收敛变快了？不会吧？），此方法与标准ICP方法的不同之处在于算法的第11行替换为：
其中，
是点
处的法向量
四、GICP方法介绍
GICP方法同样是针对图1中算法的第11行进行修改，在其中附加了一个概率模型。设有两组点云按照编号一一对应
，
可以根据测量模型认为
，
，则有
令
，则其分布如下：
然后，可以利用极大似然估计的方法计算
：
把ICP问题这样建模以后，
和
的选择就成为了一个需要考虑的问题。其选取如下图所示，作者认为在测点的不确定性主要体现在切平面上因此,
其中，
为极小值。
