区别主要是在于源点云src经过一个初始变换后，与target点云（或者说是模板）之间的差异定义上。
1. 点到点
首先，将待匹配点云中的每个点Pi，利用初始的旋转矩阵和平移向量转换到目标点云Q中.
在Q中找出与Pi最近的点（记作Qi），作为Pi的对应点，取Pi、Qi之间的欧式距离作为匹配误差。
2. 点到线
点-线的情况：
首先，将待匹配点云中的每个点Pi，利用初始的旋转矩阵和平移向量转换到目标点云Q中。对于Pi利用KD树的算法寻找到最近的几个点，根据这几个点计算出协方差，将协方差进行奇异值分解，如果最大的奇异值比第二大的奇异值要大得多，则认为找到的这几个点是在同一条直线上。
匹配误差为点到直线的距离，即图中的向量dc的模。
3. 点到面
点-面的情况：
首先，将待匹配点云中的每个点Pi，利用初始的旋转矩阵和平移向量转换到目标点云Q中。对于Pi利用KD树的算法寻找到最近的几个点，根据这几个点计算出协方差，将协方差进行奇异值分解，根据这几个点计算出协方差，将协方差进行奇异值分解，如果最小的奇异值比第二小的奇异值要小得多，则认为找到的这几个点是在同一个平面上。
匹配误差为点到面的距离，即图中的向量od的模。
4 对比
对于上述3种方法，哪一种最适合？其实是要看具体的点云场景的，它与点云的几何形态有关系。
有的点云适合使用点到点，有的适合使用点到线，有的适合使用点到面。脱离具体场景谈算法效果其实是不够科学的。
在普通常见场合，可以率先尝试点到面。