ICP算法（Iterative Closest Point，疊代最近點算法）是一種用於配準兩組點雲數據的算法，其基本原理和步驟如下：
初始化：選擇一個參考點雲和一個待配準的目標點雲，並初始化一個初始變換矩陣。
最近點搜尋（Matching）：對於參考點雲中的每個點，尋找目標點雲中距離最近的點，並建立二者之間的對應關係。
變換估計（Estimation）：根據匹配得到的點對，估計一個變換矩陣，將目標點雲變換到參考點雲的坐標系下。
更新變換（Update）：將變換矩陣套用到目標點雲上，得到新的變換後的目標點雲。
終止條件判斷：判斷當前變換矩陣是否滿足終止條件，如果滿足則停止疊代，否則返回第2步。
疊代最佳化：重複以上步驟，直到算法收斂或達到最大疊代次數。
在每次疊代中，ICP算法通過最小化目標函式來最佳化變換矩陣，該目標函式定義為源點雲中每個點與其在目標點雲中最接近點之間的歐氏距離的平方和。為了找到最優的旋轉矩陣R和平移向量t，ICP算法通常使用奇異值分解（SVD）來求解。
ICP算法的優點包括其簡單性和在許多情況下的有效性，但也有一些局限性，例如對初始估計的敏感性、可能陷入局部最優解以及處理噪聲和離群點的能力有限。為了提高算法的魯棒性，通常會先使用其他方法進行粗配準，以獲得較好的初始估計，然後再套用ICP進行精配準。