已经广为人知,3 d形状模型是综合使用点云网格参数化。点云特别处理与网格相比,更简单的形状信息,它也包含一个3 d模型。在这篇文章中,我们将介绍我们的新方法生成三维点云的位置重要性的关键尺寸和形状。为了找到形状和测量之间的对应关系,我们引入了一个代表3 d数据的方法称为片结构。神经网络模式的分层学习模式提出了兼容的数据表示。主片是由匹配整个点云测量之前设置调谐卷积神经网络。我们进行了三维人体数据集上的实验包含1706例。我们的研究结果证明了该框架的有效性和平均误差7.72%,良好的可视化。本研究表明,注重地方特色是值得的在处理3 d形状。