diff --git a/SLAM/iterative_closest_point/iterative_closest_point.py b/SLAM/iterative_closest_point/iterative_closest_point.py
index cef64cde..325f5c64 100644
--- a/SLAM/iterative_closest_point/iterative_closest_point.py
+++ b/SLAM/iterative_closest_point/iterative_closest_point.py
@@ -6,14 +6,132 @@ author: Atsushi Sakai (@Atsushi_twi)
 
 """
 
-#  import math
-#  import numpy as np
-#  import matplotlib.pyplot as plt
+import math
+import numpy as np
+import matplotlib.pyplot as plt
+
+#  % 点をランダムでばら撒く(t-1の時の点群)
+#  data1=fieldLength*rand(2,nPoint)-fieldLength/2;
+
+#  % data2= data1を移動させる & ノイズ付加
+#  % 回転方向 ＆ ノイズ付加
+#  theta=toRadian(motion(3))+toRadian(thetaSigma)*rand(1);
+#  % 並進ベクトル ＆ ノイズ付加
+#  t=repmat(motion(1:2)',1,nPoint)+transitionSigma*randn(2,nPoint);
+#  % 回転行列の作成
+#  A=[cos(theta) sin(theta);-sin(theta) cos(theta)];
+#  % data1を移動させてdata2を作る
+#  data2=t+A*data1;
+
+#  % ICPアルゴリズム data2とdata1のMatching
+#  % R:回転行列　t:併進ベクトル
+#  % [R,T]=icp(data1,data2)
+#  [R,T] = ICPMatching(data2,data1);
+
+#  function [R, t]=ICPMatching(data1, data2)
+#  % ICPアルゴリズムによる、並進ベクトルと回転行列の計算を実施する関数
+#  % data1 = [x(t)1 x(t)2 x(t)3 ...]
+#  % data2 = [x(t+1)1 x(t+1)2 x(t+1)3 ...]
+#  % x=[x y z]'
+
+#  R=eye(2);%回転行列
+#  t=zeros(2,1);%並進ベクトル
+
+#  while ~(dError < EPS)
+#  count=count+1;
+
+#  [ii, error]=FindNearestPoint(data1, data2);%最近傍点探索
+#  [R1, t1]=SVDMotionEstimation(data1, data2, ii);%特異値分解による移動量推定
+#  %計算したRとtで点群とRとtの値を更新
+#  data2=R1*data2;
+#  data2=[data2(1,:)+t1(1) ; data2(2,:)+t1(2)];
+#  R = R1*R;
+#  t = R1*t + t1;
+
+#  dError=abs(preError-error);%エラーの改善量
+#  preError=error;%一つ前のエラーの総和値を保存
+
+#  if count > maxIter %収束しなかった
+#  disp('Max Iteration');return;
+#  end
+#  end
+#  disp(['Convergence:',num2str(count)]);
+
+#  function [index, error]=FindNearestPoint(data1, data2)
+#  %data2に対するdata1の最近傍点のインデックスを計算する関数
+#  m1=size(data1,2);
+#  m2=size(data2,2);
+#  index=[];
+#  error=0;
+
+#  for i=1:m1
+#  dx=(data2-repmat(data1(:,i),1,m2));
+#  dist=sqrt(dx(1,:).^2+dx(2,:).^2);
+#  [dist, ii]=min(dist);
+#  index=[index; ii];
+#  error=error+dist;
+#  end
+
+#  function [R, t]=SVDMotionEstimation(data1, data2, index)
+#  %特異値分解法による並進ベクトルと、回転行列の計算
+
+#  %各点群の重心の計算
+#  M = data1;
+#  mm = mean(M,2);
+#  S = data2(:,index);
+#  ms = mean(S,2);
+
+#  %各点群を重心中心の座標系に変換
+#  Sshifted = [S(1,:)-ms(1); S(2,:)-ms(2);];
+#  Mshifted = [M(1,:)-mm(1); M(2,:)-mm(2);];
+
+#  W = Sshifted*Mshifted';
+#  [U,A,V] = svd(W);%特異値分解
+
+#  R = (U*V')';%回転行列の計算
+#  t = mm - R*ms;%並進ベクトルの計算
+
+
+def ICP_matching(pdata, data):
+    R = 0.0  # rotation matrix
+    T = 0.0  # translation vector
+
+    #  ICP
+    #  EPS = 0.0001
+    #  maxIter = 100
+
+    #  preError = 0
+    #  loopcount = 0
+    #  dError = 1000.0
+
+    return R, T
 
 
 def main():
     print(__file__ + " start!!")
 
+    # simulation parameters
+    nPoint = 10
+    fieldLength = 50.0
+    motion = [0.5, 1.0, math.radians(-40.0)]  # movement [x[m],y[m],yaw[deg]]
+    #  transitionSigma=0.01;%並進方向の移動誤差標準偏差[m]
+    #  thetaSigma=1;   %回転方向の誤差標準偏差[deg]
+
+    # previous point data
+    px = (np.random.rand(nPoint) - 0.5) * fieldLength
+    py = (np.random.rand(nPoint) - 0.5) * fieldLength
+
+    cx = [math.cos(motion[2]) * x - math.sin(motion[2]) * y + motion[0]
+          for (x, y) in zip(px, py)]
+    cy = [math.sin(motion[2]) * x + math.cos(motion[2]) * y + motion[1]
+          for (x, y) in zip(px, py)]
+
+    plt.plot(px, py, ".b")
+    plt.plot(cx, cy, ".r")
+    plt.plot(0.0, 0.0, "xr")
+    plt.axis("equal")
+    plt.show()
+
 
 if __name__ == '__main__':
     main()