三维数据配准是计算机视觉的基本问题,所谓配准就是变换目标数据使得目标数据和参考数据的点集之间精确配准,它是颅面复原、性别鉴定、民族分类等的基础。三维颅面数据形状和姿态各异,采集方式和环境不同导致点数不一致,部分数据存在非刚性形变,定义和提取颅面数据的特征比较困难,所以要获得精准匹配的配准结果是比较有挑战性的工作。特征点的标定是其中重要的一环,传统手工标定的方法费时费力而且不准确。由于近年来卷积神经网络的不断发展和广泛应用,我们将其应用到特征点检测中。针对三维颅骨及面貌数据难以直接输入现有二维深度学习网络的问题,提出使用深度图处理三维面貌数据和使用曲率图以及信息图来处理三维颅骨数据的模型表达方法,简化模型表达方式,利用特征点自动标定网络预测特征点,以减少人工标注特征点的繁琐工作。最后把预测的特征点作为TPS（Thin Plate Splines,TPS）配准的目标数据控制点进行三维数据的TPS配准,从而实现自动准确的颅面配准。本文主要的创新与研究工作如下:1.基于深度图的三维面貌数据特征点自动标定本章针对三维面貌数据提出了基于深度图的三维面貌特征点自动标定方法,使用深度图表达复杂的三维面貌数据,根据三维面貌的生理特征选择左右外眼角点、左右内眼角点、鼻尖点以及左右嘴角点等七个点作为特征点,并转换成二维深度坐标,构建一个特征点自动标定网络估计面貌特征点的坐标,最后再将预测得到的二维深度图像坐标转换回三维数据,从而得到三维面貌特征点的精确位置。2.基于曲率图及信息图的三维颅骨数据特征点自动标定相较于三维面貌数据,三维颅骨数据具有更复杂的拓扑结构,根据三维颅骨数据的生理特征选择左右外眼眶点、左右内眼眶点、左右鼻眶点以及左右嘴角点等八个特征点。由于颅骨数据表面弯曲程度比较复杂,提出了分别基于曲率图及信息图的三维颅骨数据表示方法,将三维颅骨数据转化为具有丰富三维特征信息的二维图像数据,输入深度学习网络。同时,将根据生理特征标记的三维特征点转化为二维坐标,最终利用网络预测三维颅骨数据特征点并应用到颅骨配准中。3.基于深度学习预测特征点的三维颅面配准使用基于深度图的三维面貌特征点自动定位方法预测的特征点作为三维面貌目标数据的控制点,使用基于信息图的三维颅骨数据特征点自动定位方法预测的特征点作为三维颅骨目标数据的控制点。将参考数据的特征点和目标数据预测的特征点点集作为TPS配准的控制点,求参考数据到目标点集的映射,对参考数据进行TPS变换,然后在此基础上寻找目标数据上距离参考数据的最近点,最终得到配准结果。通过和其他方法的实验结果进行对比可以看出我们的方法配准精度更高。