反復最近点（Iterative Closest Point, ICP）アルゴリズムは、点群登録において最も広く用いられている手法の一つである。しかし、局所的反復最適化に基づくため、ICPは局所最小値に陥りやすいことが知られており、その性能は初期化の質に大きく依存する。また、保証されるのは局所最適性のみである。本論文では、ICPで定義されるL2誤差尺度に基づく、2つの3次元点群に対するユークリッド（剛体）登録について、初めてのグローバル最適なアルゴリズム「Go-ICP」を提案する。Go-ICPは、3次元運動空間SE(3)全体を探索する分枝限定法（Branch-and-Bound, BnB）に基づく。SE(3)の幾何構造の特徴を活用することで、登録誤差関数に対する新たな上界および下界を導出している。また、局所的なICPをBnBスキームに統合することで、計算速度を向上させつつもグローバル最適性を保証している。さらに、外れ値に対するロバスト性という課題についても拡張を検討した。実験評価の結果、提案手法は初期化の状態にかかわらず、信頼性の高い登録結果を生成できることを示した。Go-ICPは、最適解が求められる場面や、良好な初期化が常に得られない状況においても有効に応用可能である。