其关键思想都是用连续密度函数表示离散点集，即高斯混合模型。不同点在于本节算法采用L2距离来衡量两个点云之间的相似性，而5.7节中的NDT算法采用的是作者定义的匹配势来衡量，实际上是所有线段对之间的差异。并且本节算法中加入了薄板样条插值算法来解决非刚性点云的配准问题。

高斯混合概率密度函数:

该算法选择L2距离来衡量两个高斯混合密度之间的相似性。

给定一组生猪点云数据，如图1，2所示。利用GMMREG算法进行配准，配准结果如图3所示。可以看到配准效果良好，并且继续增加迭代次数进行TPS插值，还能够继续降低L2距离，使得配准效果进一步上升。