ICP算法（Iterative Closest Point）是一种经典的三维点云配准算法，主要用于将两个或多个点云数据集在空间中对齐。该算法通过迭代计算，不断优化变换矩阵（包括旋转和平移），使源点云与目标点云之间的对应点距离最小化。ICP的核心思想是寻找最近邻对应点，并基于这些对应关系求解最优刚体变换，其收敛性和效率使其成为自动驾驶领域环境感知模块的重要工具。
在自动驾驶汽车开发中，ICP算法常被用于激光雷达点云的实时配准，例如构建高精度地图或实现车辆定位（LiDAR Odometry）。当车辆行驶时，连续帧的激光雷达扫描数据需要通过ICP计算相对位姿变化，从而估计车辆运动轨迹。近年来，结合深度学习特征提取的改进版ICP（如PointNetLK）进一步提升了算法在动态环境中的鲁棒性。对产品经理而言，理解ICP在SLAM系统中的作用，有助于评估定位模块的精度需求与计算资源分配的平衡。