随着科学技术的飞速发展及3D技术的提高，人们在数据采集和图形建模领域取得了很大的进步。基于数字分析的应用领域有很多，如：分子生物学、人脸识别、模式识别等。图形匹配是计算机视觉、计算机图形学、机器人学等领域的基本问题之一，也是数字分析的重要应用之一。图形匹配简单的说，就是在给定两个图形之间寻找一个映射，使得这两个图形具有相同的拓扑性质。图形匹配包括刚性变换、等距变换、非刚性变换等。本文主要研究的是非刚性变换。　　3D图形匹配需要解决的最基本的两个问题的话提高匹配率和精确率，为提高图形匹配的匹配率和精确率，本文提出一种基于Gromov-Wasserstein(G-W)距离的3D图形匹配方法。首先将2个图形嵌入到度量测度空间中，通过最远采样法进行采样；然后采用G-W距离表示2个图形之间的差异性，构造出目标函数和约束条件，该优化系统是难于求解的二次分配问题(QAP)；为了易于求解，提出一种约束条件松弛策略，只需满足行和(列和)约束即可，获得一组相互独立的线性约束；最后采用投影梯度算法求解，得到了更接近于理论值的解。　　在SHREC’10标准数据库上进行了多种非刚性变换的图形匹配的数值实验，并与已有的方法进行比较，结果表明，该方法在保证精确率的前提下大大提高了匹配率，并在一定程度上提高了实验结果的稳定性。