1、pcl::registration::ConvergenceCriteria

ConvergenceCriteria表示配准中使用的不同收敛标准的抽象基类。这应该作为迭代最近点(ICP)方法的一部分，以验证算法是否已经达到收敛。
通常来说有如下标准表示配准结束：

1. 已达到最大迭代次数；
2. 变换(R, t)不能进一步更新(当前与之前的差异小于一个阈值)
3. 当前对应关系与前一对应关系之间的均方误差(MSE)小于某一阈值

类中包含一个纯虚函数hasConverged()，检查是否已经达到收敛。
使用方法：
virtual bool pcl::registration::ConvergenceCriteria::hasConverged ( )

2、pcl::IterativeClosestPoint< PointSource, PointTarget, Scalar >

这个类确定了ICP算法的基本实现。
该算法具有多个终止条件：

1. 迭代次数已达到用户施加的最大迭代次数（通过setMaximumIterations）
2. 先前转换与当前估计的转换之间的ε（差异）小于用户施加的值（通过setTransformationEpsilon）
3. 欧几里德平方误差的总和小于用户定义的阈值（通过setEuclideanFitnessEpsilon）

用法示例

IterativeClosestPoint <PointXYZ，PointXYZ> icp;
//设置输入源和目标
icp.setInputCloud（cloud_source）;
icp.setInputTarget（cloud_target）;
 
//将最大对应距离设置为5cm（例如
距离将被忽略）icp.setMaxCorrespondenceDistance（0.05）;
//设置最大迭代次数（条件1）
icp.setMaximumIterations（50）;
//设置转换epsilon（标准2）
icp.setTransformationEpsilon（1e-8）;
//设置欧几里得距离差epsilon（准则3）
icp.setEuclideanFitnessEpsilon（1）;
 
//执行对齐
icp.align（cloud_source_registered）;
 
//获得将cloud_source对齐到cloud_source_registered的转换
Eigen :: Matrix4f转换= icp.getFinalTransformation（）;

几个成员函数：

1. inline void setInputSource (constPointCloudSourceConstPtr &cloud) ：需要匹配的点云；

2. inline void setInputTarget (constPointCloudTargetConstPtr &cloud) ：基准点云，也就是从Source到Target的匹配。

3. inline void setSearchMethodTarget(const KdTreePtr &tree) ：kdtree加速搜索，还有一个Target的函数，用法与之一致。

4. inline void setMaxCorrespondenceDistance (doubledistance_threshold)：忽略在此距离之外的点，如果两个点云距离较大，这个值要设的大一些（PCL默认距离单位是m）

5. inline void setMaximumIterations (intnr_iterations)第1个约束，迭代次数，几十上百都可能出现。

6. inline void setTransformationEpsilon (doubleepsilon)第2个约束，这个值一般设为1e-6或者更小。

7. inline void setEuclideanFitnessEpsilon (doubleepsilon)第3个约束，前后两次迭代误差的差值。

8. inline void align (PointCloudSource &output)：输出配准后点云。

9. inline Matrix4 getFinalTransformation ()：获取最终的转换矩阵。

3、pcl::Registration

Registration表示通用的基本配准类。

1. void pcl::Registration< PointSource, PointTarget, Scalar >::align ( PointCloudSource & output ) 调用配准算法，该算法估计转换并返回转换后的源(输入)作为输出。
2. 重载函数：void pcl::Registration< PointSource, PointTarget, Scalar >::align ( PointCloudSource & output, const Matrix4 & guess ) ，输入为变换的初始总估计，输出为旋转平移后的点云集。
3. virtual void pcl::Registration< PointSource, PointTarget, Scalar >::computeTransformation ( PointCloudSource & output, const Matrix4 & guess ) ：抽象类，变换计算方法与初步猜测。输入为变换矩阵，输出为点云集。
4. void pcl::Registration< PointSource, PointTarget, Scalar >::setTransformationRotationEpsilon ( double epsilon ) ：设置变换旋转(两个连续变换之间的最大允许旋转差)，使优化被认为已收敛到最终解。输入为使优化被认为收敛于最终解的变换旋转(是轴角表示中的cos(角))。