1.GICP
GICP是点到点的ICP以及点到面的ICP的泛化，GICP 整体 can be thought of as ‘plane-to-plane’的ICP；
1）点到点的ICP，残差函数是，点与点之间的欧式距离；
2）点到面的ICP，残差函数是，点到点之间的欧式距离在平面法向量上的投影；
3）GICP的残差函数是，点到点之间的欧式距离 && target和source的协方差矩阵，当target和source的法向量相互垂直时，残差的贡献会变得很小；
详细可见CSDN的一篇不错文章；
2.其他-摘自《三维点云数据拼接中ICP及其改进算法综述》
2.1 经典的点到点 ICP算法的步骤，设C_src为一堆三维点 x_i，C_tgt为一堆三维点y_i;
1）T = T_init
2) C_src_t = T_init * C_src
3) KNN find correspondences.
4) correspondences filter outliers;
5) 构成 线性 最小二乘问题 min f(R，t) = ∑ || R * x_i + t - y_i || ^ 2
6) 求解上述线性最小二乘问题——先求导然后让导数为0求R t，中间需要去中心化（计算x_i和y_i的均值）以及SVD分解求R，具体见链接；
7）利用算出的T（R，t）对 1）进行更新，重复迭代，直到满足设置的收敛条件为止，如迭代次数，T的变化delta等；
