近年来,随着计算机图形学的蓬勃发展,三维建模技术开始广泛应用于虚拟现实、电影动画特效制作等各个领域中。三维配准技术是三维重建的一个重要问题,点云配准算法的设计直接影响到匹配的精度、速度与模型采集等各个方面。在获取三维人体模型数据时,成像传感设备难以在短时间内得到人体点云数据,随着模型采集时间延长,人体必定发生不同程度的形变。比如,身体部位倾斜、肢体动作的改变等等。因此需要通过非刚性配准算法对采集得到的不同视角下的三维模型进行配准,进而得到更加完整的三维人体模型。为了获得配准后真实自然的人体配准模型,本文给出了一种基于谱嵌入与特征点提取相结合的三维人体非刚性配准的处理流程。首先,本文使用深度采集设备获得了真实的不同的人体动作,并对采集的点云数据进行去噪和精简处理。然后,通过拟合曲面的方法迭代搜索全部点云数据的曲率极值点,将曲率值与阈值比较得到模型的所有特征点。然后,使用谱嵌入算法进行模型间对应关系的计算。最后,选择曲率值较高的特征点作为控制点,根据谱嵌入算法计算得到数据匹配点之间的对应关系,使用控制点和薄板样条函数驱动整体三维模型的变化,从而完成三维人体模型的配准。针对配准过程中人体发生的肢体形变所带来的困难,本文面向人体模型给出了一种基于谱嵌入算法的非刚性配准方法,对发生大尺度变形的模型进行配准,其主要的难点在于找到点云数据间的精确对应关系,因此本文采用谱嵌入算法,通过计算点云之间的相似度,构造模型的亲和力矩阵,求取矩阵的特征值与特征向量并将其可视化,即将空间坐标下的三维模型转换到二维频谱域中,此方法保留了模型的主要特征信息,并消除了采集模型时产生的刚体变换的影响。我们进行了真实人体模型配准的实验,实验结果表明,本文给出的非刚性配准方法可以正确计算三维模型的几何特征点对及其对应关系,实现最终的非刚性配准。通过与其他配准方法做对比,本文所提方法可以更精准、更高效的完成配准。