骨架是三维模型的一种紧凑的一维表示,可以将三维模型转换为更简单的表示形式。目前的骨架提取方法因为点云提供信息的稀少以及复杂的柔性变化,仍然不够稳定。因此本文研究探讨了非刚性点云间的基于稀疏匹配对的一致性骨架提取技术。首先在现有的单个点云曲线骨架提取技术的基础上提出了一种改进的方法,能够更好的提取出骨架。其次提出一种在多个形状中进行骨架协同提取的方法,使得多个点云具有一致的骨架结构。具体来说,本文主要包括以下内容:首先,介绍了非刚性点云骨架提取的研究背景和意义,以及目前相关技术在国内外的发展现状,同时简单介绍了一些本文所涉及到的算法,为后面进行特定算法的表达奠定了基础。其次,针对当前单个点云曲线骨架提取算法不够稳定的问题,提出了一种基于局部几何约束及动态收缩半径的曲线骨架提取改进方法。该方法从形状的局部几何相关结构出发,结合双边滤波约束,解决算法的不稳定问题,同时在迭代更新中不断调整收缩半径来更好的进行骨架收缩。对输入的原始点云提取样本点并使用改进的LOP算子进行投影,快速迭代将样本点收缩成一个骨架点云。本文的实验结果表明该方法与已有方法相比,具有更好的曲线骨架提取结果。最后,针对当前多个点云之间的骨架提取结果不准确的问题,提出了一种基于骨架二次求精的多个非刚性点云骨架提取方法。该方法基于骨架转移的原理,首先需要获得模板点云的骨架结构,根据骨架结构进行第一次优化得到准确的骨架回归器,然后利用多个形状之间的稀疏匹配对,将骨架回归器转移到其他形状上,最后再对得到的骨架进行第二次优化,得到具有一致对应关系的骨架结构。接着通过实验来验证本文算法与其他方法相比,在多个形状之间进行骨架提取时效果更好。