Der Iterative Closest Point Algorithm ist ein Algorithmus, der es ermöglicht, überlappende Punktwolken aneinander anzupassen. Dazu müssen die Punktwolken bereits vorab genähert zueinander ausgerichtet sein.
Für die Punktwolken werden Koordinatentransformationen so bestimmt, dass die Abstände zwischen den Punktwolken minimiert werden. Dazu wird für jeden Punkt aus der einen Punktwolke der jeweils nächste Punkt (closest point) aus der anderen Punktwolke bestimmt. Die Summe der Quadrate der Abstände wird durch Anpassung der Transformationsparameter minimiert. Dieser Vorgang geschieht iterativ so lange, bis das Optimum gefunden ist.
Der Algorithmus wird vor allem zur relativen Orientierung (Registrierung) von Punktwolken verwendet, womit aus mehreren Punktwolken ein Gesamtmodell erzeugt werden kann. Die Einzelpunktwolken können dabei z.B. durch Laserscanning oder photogrammetrische Verfahren der automatischen Bildzuordnung (dense image matching) erzeugt werden. Ein weiteres Anwendungsgebiet ist die Lokalisierung in der Robotik, ein Teilproblem von Simultaneous Localization and Mapping.
Weblinks
- FastICP paper − Vergleich verschiedener ICP-Varianten (PDF-Datei; 784 kB)
- Grundlage für ICP − Das Überführen von Koordinatensystemen ineinander mit Hilfe von Quaternionen (PDF-Datei; 1,6 MB)