点云拼接是全表面重建的一个关键步骤,在医学成像、工业检测、自动驾驶和逆向工程等领域都有良好的应用场景。在现实场景中,由于目标物体的复杂性和设备的限制,传感器只能在有限的视野范围内扫描,获得局部点云数据,需要将局部点云进行点云拼接才能获取完整的物体表面信息。三维局部点云拼接由于点云的无序性、旋转不变性、内部点对关系等自身特性和两片点云之间仅有部分点存在对应点等外部原因,使得点云拼接过程中存在许多挑战。本文研究的点云拼接算法是针对由于视点的不同,得到仅部分重叠的局部点云,进行坐标对齐,从而进行高精度的点云拼接。本文的主要工作如下:（1）提出了基于多分辨率动态图卷积的点云拼接算法。针对点云的无序性、旋转不变性和内部点对关系这三个基本特点、处理难点,设计了基于多分辨率动态图卷积的点云特征学习模块。该模块将坐标信息和法向量信息作为输入,利用邻域点构建点对关系,通过多层感知机和最大池化层丰富点云中每个点的信息。为充分利用点云的拓扑信息,提出了多分辨率动态图卷积网络学习点特征,从而得到点云特征。在处理之后的ModelNet40数据集上,将该点云特征学习模块集成到RPMNet框架中,从定量和定性两个角度发现拼接精度优于主流特征学习算法PointNet、DGCNN,实验验证了算法的有效性。（2）提出了基于关键点选取的点云配准算法和基于软匹配的局部点云迭代拼接算法。针对局部点云中仅部分点具有对应点的问题,设计了基于关键点选取的点云配准算法。该配准算法通过注意力机制选取更可能存在对应点的点作为待配准的关键点,并计算两片点云关键点之间的相似性得到匹配概率。基于软匹配的思想,利用匹配概率合成虚拟点以形成对应点集。为得到更精确的旋转、平移矩阵,仍利用匹配概率进行加权奇异值分解,求解变换矩阵。为优化结果,提出了基于软匹配的局部点云迭代拼接算法,迭代利用基于关键点选取的点云配准算法,将源点云逐步向目标点云靠齐,逐步优化拼接精度。最终同样利用ModelNet40数据集,与主流的算法进行点云拼接对比实验。利用本文提出的拼接算法得到的旋转角度和平移矩阵的误差均小于目前主流的拼接算法。实验结果验证了本文提出的算法有效地提高了拼接精度。