点云配准matlab

### 关于在 MATLAB 中进行点云配准的方法

#### 使用MATLAB内置函数实现ICP算法
MATLAB提供了`pcregistericp`函数来执行迭代最近点（Iterative Closest Point, ICP）算法，这是一种广泛应用于三维数据对齐的技术。该方法通过最小化两组几何特征之间的距离来进行模型匹配[^1]。

对于给定的一对源点云和目标点云，可以调用如下代码完成初步的刚体变换估计：

% 假设sourcePointCloud 和 targetPointCloud 是已加载到工作区中的两个点云对象
tform = pcregistericp(sourcePointCloud,targetPointCloud,'Metric','pointToPlane');
registeredSource = pctransform(sourcePointCloud,tform);

上述脚本中，参数'Metric'指定了用于计算误差度量的方式；这里选择了更鲁棒的‘pointToPlane’模式而不是默认的‘pointToPoint’选项[^2]。

#### 利用SVD分解求解最优旋转和平移矩阵
除了依赖现成工具箱外，还可以基于奇异值分解(Singular Value Decomposition,SVD)原理手动构建配准流程。具体来说，在获取对应关系之后，可以通过下面这段程序片段得到最佳拟合所需的转换参数：

centroid_A = mean(A); % A代表待配准点集
centroid_B = mean(B); % B为目标参照物上的相应位置集合
H = (A - centroid_A)' * (B - centroid_B);
[U,D,V] = svd(H);
R = V*U';
if det(R)<0
    R=-V*diag([1,-1])*U'; 
end
T = centroid_B'-R*(centroid_A') ;

此部分逻辑实现了从原始坐标系向标准姿态空间映射的过程，并最终返回表示相对位姿变化的关系式\[R|T\][^3]。