癌症在临床上也叫恶性肿瘤,是一种比较难以治疗和治愈,且在全球范围内也属于致死率较高的疾病。一般来说,癌症患者体内的恶性肿瘤生长速度快且易扩散和易转移,容易引发身体出现各种并发症,这些并发症会给病人带来巨大的痛苦和伤害。放射治疗法是目前癌症治疗的主要方法,主要针对患者的癌变部位使用放射性光源进行照射从而抑制恶性肿瘤细胞的增殖,实现对患者的治疗。但放射性光源的照射对患者也会产生一定的副作用,受副作用的影响,患者身体形态往往会发生较大变化,如身体水肿或水肿消退,这就需要对不同放疗阶段的患者进行体位固定,精确放疗位置。但放射治疗师面对大多数病人的体型变化,难以第一时间通过肉眼判断出来,如果凭借自己的经验进行判断,费时费力而且存在误差,也会导致病人好的器官被辐射或者无法有效覆盖需要放疗的部位,造成放疗不精确的问题。因此,对精确放疗定位算法的研究具有重要意义。本文针对癌症患者放疗不精确的问题,结合三维视觉技术以及深度学习的方法,提出对同一患者不同放疗阶段的人体点云进行配准来解决放疗不精确的问题,并设计出一种基于点云配准技术的精确放疗定位算法。本文首先介绍了使用SMPL模拟生成不同放疗阶段患者人体点云数据,并针对生成的人体点云模型选取合适的采样方式。之后详细介绍了一种添加残差注意力机制的点云配准算法,并通过实验,证明该算法的有效性。实验结果表明,本文所提算法在准确率和配准速度上均优于ICP和Go-ICP传统点云配准算法,且优于基于学习的Point Net LK算法。最终将该算法分别应用于放疗前后癌症患者人体点云的配准和患者人体部位的配准,可视化结果,展示该算法的有效性。本文将放疗前后癌症患者定位问题转换成点云配准问题,并结合三维视觉及深度学习算法针对不同阶段癌症患者人体点云进行配准,为辅助医生对患者进行治疗提供帮助,具有重要意义。