small_gicp
small_gicp 是僅需標頭檔的 C++ 點雲精配準函式庫，平行化下採樣、最近鄰搜尋、局部特徵估計與配準整條流程，以減少 PCL 與 Open3D 僅部分多執行緒所造成的瓶頸。它提供點對點、點對平面與 GICP 誤差、穩健核、Gauss-Newton 與 Levenberg-Marquardt 最佳化器，以及 KdTree、iVox 與高斯體素地圖，並有 Python 綁定。
本頁內容
Header-only, fully parallel C++ library (with Python bindings) implementing ICP, point-to-plane, GICP and voxel-based GICP-style registration with modular templates.
技術屬性
欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。
| 感測輸入 | 3D LiDAR、range cameras |
|---|---|
| 原文測試平台 | 未記錄 |
| 狀態估計 | Gauss-Newton or Levenberg-Marquardt least squares with robust kernels (Functionalities) |
| 資料關聯 | KdTree, linear iVox and Gaussian voxelmap (incremental insertion, LRU deletion); point-to-point, point-to-plane and GICP error factors (Functionalities) |
| 時間表示 | 不適用 (library) |
| 去畸變 | 原文未報告 |
| 迴圈閉合 | none |
| 全域最佳化 | none |
| 地圖表示 | KdTree, iVox, Gaussian voxelmap |
| 先驗資訊 | initial guess required (fine/local registration) |
| 可輸出幾何 | rigid transformation |
| 計算需求 | single-threaded GICP about 2.4x faster than pcl::GICP (BENCHMARK.md adds about 1.9x faster than fast_gicp::GICP); 6-thread voxel downsampling about 3.2x and single-thread about 1.3x faster than pcl::VoxelGrid; multi-threaded KdTree construction up to 6x faster than nanoflann (JOSS); all on KITTI 00 per BENCHMARK.md; benchmark machine not stated |
使用設備
尚未收錄此方法的設備紀錄；設備資料仍在分批查證，沒有紀錄不代表原文未使用任何設備。
作者報告的優勢與限制
優勢
- up to 2x single-thread speed gain and better multi-core scalability (Statement of need)
- modular template design eases replacing cost functions and search methods (Statement of need)
限制
- future work: faster neighbour search such as projective search (Future work)
- small_vgicp results differ slightly from fast_vgicp and the author states the difference needs investigation (BENCHMARK.md, Accuracy)
- (reviewer observation) benchmarks are speed-focused and use only KITTI 00; accuracy on engineering data is not reported
營建工程相關證據
原文未報告
原文驗證環境：公開基準
報告的性能數據
以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。
本方法共出現在 4 個比較組，合計 22 筆紀錄。
Koide, 2024 · Text BENCHMARK.md Accuracy 本方法 16 筆
資料集與序列KITTI odometry sequence 00 · 00
表格設定（擷取紀錄原文）：repository documentation linked from the paper (BENCHMARK.md, master branch, fetched 2026-09-25), not peer-reviewed text; odometry benchmark on KITTI 00; units and the meaning of '+-' and of the RPE window (100, 400, 800) are not stated; value is the number before '+-' (Koide, 2024, Text BENCHMARK.md Accuracy)
APE = 6.096 +- 3.056，KITTI odometry sequence 00 · 00
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Koide, 2024 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Koide, 2024, Text BENCHMARK.md Accuracy)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| small_gicp本方法原文提出 | 6.096 | (Koide, 2024, BENCHMARK.md, Accuracy) |
| small_gicp (tbb)本方法原文提出 | 6.096 | (Koide, 2024, BENCHMARK.md, Accuracy) |
| small_gicp (omp)本方法原文提出 | 6.096 | (Koide, 2024, BENCHMARK.md, Accuracy) |
Koide, 2024 · Text Benchmark results 本方法 4 筆
資料集與序列KITTI odometry sequence 00 (per BENCHMARK.md) · 00
表格設定（擷取紀錄原文）：speed ratios stated in the JOSS paper; details deferred to BENCHMARK.md (KITTI sequence 00); benchmark machine not stated (Koide, 2024, Text Benchmark results)
speed-up factor (approximately 1.3x faster)，KITTI odometry sequence 00 (per BENCHMARK.md) · 00
這張表在此指標與資料序列只列出本方法一筆，沒有可並列的其他方法，因此不畫圖，數值與出處見下表。這是 Koide, 2024 在此表設定下報告的數值（author-reported results），不代表方法在其他資料或設定下的表現。
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| small_gicp::voxelgrid_sampling (single-thread) vs pcl::VoxelGrid本方法原文提出 | 1.3 x | (Koide, 2024, Benchmark results) |
Koide, 2024 · Text BENCHMARK.md Odometry estimation 本方法 1 筆
指標speed-up factor (about 1.9x faster than fast_gicp::GICP, single-thread)
資料集與序列KITTI odometry sequence 00 · 00
表格設定（擷取紀錄原文）：repository documentation linked from the paper (master branch, fetched 2026-09-25); not peer-reviewed text (Koide, 2024, Text BENCHMARK.md Odometry estimation)
speed-up factor (about 1.9x faster than fast_gicp::GICP, single-thread)，KITTI odometry sequence 00 · 00
這張表在此指標與資料序列只列出本方法一筆，沒有可並列的其他方法，因此不畫圖，數值與出處見下表。這是 Koide, 2024 在此表設定下報告的數值（author-reported results），不代表方法在其他資料或設定下的表現。
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| small_gicp::GICP (single-thread) vs fast_gicp::GICP本方法原文提出 | 1.9 x | (Koide, 2024, BENCHMARK.md, Odometry estimation) |
Koide, 2024 · Text Statement of need 本方法 1 筆
指標speed gain (up to 2x in single-threaded scenarios)
資料集與序列not stated in the Statement of need (BENCHMARK.md benchmarks use KITTI 00)
表格設定（擷取紀錄原文）：single-thread speed gain claimed in the Statement of need of the JOSS paper; no dataset, baseline library or machine named for this figure (Koide, 2024, Text Statement of need)
speed gain (up to 2x in single-threaded scenarios)，not stated in the Statement of need (BENCHMARK.md benchmarks use KITTI 00)
這張表在此指標與資料序列只列出本方法一筆，沒有可並列的其他方法，因此不畫圖，數值與出處見下表。這是 Koide, 2024 在此表設定下報告的數值（author-reported results），不代表方法在其他資料或設定下的表現。
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| small_gicp pipeline (single-thread) vs existing libraries本方法原文提出 | 2 x | (Koide, 2024, Statement of need) |
來源
Koide, 2024
（2024）small_gicp: Efficient and parallel algorithms for point cloud registrationJournal of Open Source Software, 9(100):6948
同儕審查已出版已讀全文近十年
相關版本
- 程式碼釋出：small_gicp repository (successor of fast_gicp per README) https://github.com/koide3/small_gicp
程式碼：https://github.com/koide3/small_gicp（授權：MIT (LICENSE file checked); paper text CC BY 4.0）。有公開程式碼不等於已被重現，也不代表目前版本與論文版本相同。