ICP算法，全稱疊代最近點算法（Iterative Closest Point），是一種用於配準兩個點雲數據集的算法，目的是將兩個點雲對齊，使得它們在形狀和位置上達到最佳匹配。ICP算法的基本步驟包括：
初始化。設定目標點雲和源點雲，以及一個初始的變換矩陣。
配準疊代。對於每一次疊代，執行以下步驟：
對於每個點在目標點雲中，找到其在源點雲中最近的點。
計算每對匹配點之間的偏移量。
通過最小二乘法估計一個變換矩陣，將源點雲中的點移動和旋轉，以最小化偏移量的平方和。
如果變換矩陣的誤差已經足夠小，則停止疊代，輸出變換矩陣；否則返回第二步。
輸出結果。輸出最終的變換矩陣，將源點雲變換到與目標點雲對齊的位置。
ICP算法的套用領域非常廣泛，例如三維重建、機器人導航、醫學圖像處理等。ICP算法的優點在於能夠獲得非常精確的配準效果，且不需要對處理的點集進行分割和特徵提取。然而，它對初始位置有一定的要求，且可能因局部最優解而陷入困境。針對這些缺點，可以通過使用加速數據結構（如kd樹）來提高匹配效率，或採用基於機率模型的ICP變體方法（如Robust-ICP）以及濾波和去噪方法來改進匹配結果。