近年来,随着智能驾驶、虚拟现实、机器人领域的发展,人们通过手在空中发出命令,实现更加自由的人机交互方式。传达高自由度的手势指令,要求计算机能够读懂通过设备扫描获得的三维手势数据,因此三维手势姿态估计引起人们的广泛关注。然而手势存在自遮挡性、高自由度以及易被环境影响的特点,导致设备采集的手势数据存在环境噪音、特征缺失问题,对手势姿态估计的准确性造成负面影响。针对上述三维手势姿态估计中存在的问题,研究选择基于单光子雪崩二极管（SPAD）的直接飞行时间（D-TOF）设备,作为采集手势点云的工具,并完成了以下工作:复杂的环境噪音会导致算法无法正确识别手势,为完成精准的三维手势姿态估计,需要将手势从繁杂的噪音中分割出来,因此研究设计了一种针对复杂环境的手势分割方法。研究采用MSRA15手势数据集作为基础数据集,并对数据集进行增加噪音处理,制作三个受复杂环境影响的手势数据集。手势分割需要考虑外部环境噪音与设备噪音,因此,先通过高斯滤波去除部分环境噪音和环绕在手势附近的设备噪音,完成初步去噪。之后,利用改进的空间FCM算法对初步去噪后的数据进行聚类,聚类完成后,再去除环境噪音,获得去噪后的手势数据。针对分割后的手势残留少量噪音、局部特征缺失问题,研究提出从三维与二维两个维度提取特征信息。三维特征获取是将复杂环境中分割出来的手势点云直接放入网络,使用Point Net模块对点云分层次提取点云特征,同时为适应稀疏点云情况,缩减每一层级所需的点云数量。二维特征提取结合Inception网络多尺度卷积核提取特征思想,将手势点云的正面二维投影输入多卷积核的卷积神经网络（CNN）,获得多尺度二维特征。融合三维与二维特征,增加手势回归时的特征信息,通过回归网络输出手关节坐标。最后,通过对比实验的效果展示,从手势分割效果与手势姿态回归效果证明研究方法的可行性与有效性。不同维度特征输入带来丰富的特征信息,提升了网络的精准性与鲁棒性。在验证实验中,通过D-TOF设备采集真实情况下受环境影响的手势点云数据进行手势姿态回归,结果表明研究方法能够回归效果良好的手势姿态。对比实验与验证实验都展现出良好的效果,研究为人机交互、机器人等领域复杂环境下的手势姿态估计提供了一种方法。