对于刚性点集配准，传统的迭代最近点（ICP）算法是准确且快速的，但无法处理仿射情况。本文改为介绍一种新的基于lie群的广义ICP算法，用于mD点集的仿射配准。首先，利用奇异值分解技术，将仿射变换分解为三个特殊矩阵，然后对其进行约束。然后，在仿射ICP算法的每个迭代步骤中，通过李群的指数映射及其泰勒逼近来表示这些矩阵。这样，仿射配准问题最终简化为二次编程问题。通过解决这个二次问题，新算法从任何给定的初始参数单调收敛到局部最小值。因此，为了达到所需的最小值，需要良好的初始参数和约束条件，这些参数和约

提出了李群框架下的多维点集仿射配准算法。 该算法研究了两个数据集之间的仿射配准，并将期望最大化迭代最近点（EM-ICP）算法放入Lie组的框架中，因为所有仿射变换都形成一个Lie变换组。 通过根据仿射变换Lie基团的元素使能量函数最小化来进行配准。 应用李群概念的关键在于，在通过迭代最小化的过程中，我们必须确保从李群中的元素开始，转换的下一个迭代步骤仍然是同一组中的元素。 我们的解决方案是利用李代数的元素通过指数映射来表示同一性附近的李群的元素，即，我们使用李群的第一个规范坐标表示。 对拟议的L