随着三维形状的广泛应用,形状匹配问题作为三维形状分析领域的一个基础研究问题也随之变成热点方向。该问题主要是寻找两个形状之间的点对应关系。目前关于刚性形状之间的匹配问题已经有相对成熟的算法。而由于非刚性形状的形变复杂性,现有的非刚性形状匹配算法仍存在许多问题。本文主要研究在形变时对应点之间仍保持内蕴距离的非刚性形状间的近似匹配问题。本文在一致性点漂移算法的基础上提出了一种多尺度非刚性形状匹配方法。该算法在谱空间中利用多次简单匹配获得较丰富的匹配信息,较快速地得到形状间的稠密匹配。算法在对形状进行下采样的预处理操作时,采用基于LB算子的K中心点聚类采样使获得的采样点在形状特征明显的地方更集中,从而在形状特征明显的位置保留更多匹配对。之后在谱空间中使用一致性点漂移算法快速的得到单个尺度空间中的匹配结果,继而将丰富的匹配对信息融合获得形状间的初始粗匹配。在初始粗匹配中保留了各尺度匹配结果中的绝大部分正确匹配对,但同时也包含了一部分错误匹配。利用热核特征提取形状特征点并在特征点局部范围内利用近似等距的方式剔除初始粗匹配结果中错误匹配,从而得到形状对的粗匹配。最后通过多尺度匹配方式对形状逐步上采样并分组计算由粗到细的匹配结果,直至最终得到形状间的稠密匹配结果。本文方法在匹配过程中结合采用基于LB算子的聚类采样和最远点采样,使得粗匹配结果中包含更多的形状特征信息,同时较均匀快速的计算得到形状的稠密匹配结果。由于在分组匹配时通过少量的采样点进行匹配,且一致性点漂移算法对于小规模的点集具有较快的运行效率,该方法可以快速计算形状对的粗到细匹配结果。将本文方法与其他方法在TOSCA数据库上进行多组实验,可以发现本文方法对于不同类别的形状匹配具有鲁棒性,并且在取得相近匹配效果的时候可以一定程度上提高运算效率。