手部姿态估计作为人机交互中的一个关键技术广泛应用于各个领域,特别是在虚拟现实和增强现实的一些应用中,可以使用户的体验得到改善,实现人手与虚拟物体的直接交互。近年来,随着人工智能技术的快速发展,目前采集三维数据的设备也得到了快速发展。但是,由于三维手部姿态的维度高,手部方向的变化大,手指之间的高自相性和自遮挡,使得估计结果存在精度低,鲁棒性差的问题。所以本文采取将深度图转为点云表示作为输入,并构造点云深度神经网络,通过此方式学习点云特征进行三维手部姿态估计任务,通过此方法能够使深度图中的三维信息得到充分地利用,同时也避免了数据过于冗杂。首先,本文通过对PointNet网络与分层的PointNet网络结构和原理的研究,使用了一种基于分层PointNet网络的手部姿态估计方法。首先介绍了数据集,以及数据预处理的过程。着重介绍了手部区域的锁定和三层特征提取层的分层PointNet网络。其次,为了进一步提高手部姿态估计的精度,本文采取将分层的PointNet网络结合点注意变换器,构成的新网络来做手部姿态估计任务,因此本文提出结合点注意变换器的手部姿态估计方法。由于手部关节间具有的独立性与相关性,点注意变换器的作用就是将关节点间的关系作为特征输入,使得手部姿态估计精度能进一步提高。同时,本文还采用耿贝尔采样法（GSS）替代最远点采样（FPS）来进行下采样。最后,本文用上述两种方法分别做了实验并与其他手部姿态估计方法作了比较。本文在CVPR2015＿MSRA数据集上进行了验证,通过实验结果表明,基于分层PointNet网络的手部姿态估计方法比大部分方法估计精度方面要好,而结合点注意变换器的手部姿态估计方法虽然在最后的平均估计精度方面优于前者,但在指尖位置关节点的估计精度略逊于基于分层PointNet网络。