目前，点云分类的研究已广泛应用于机器人操作、自主驾驶和虚拟现实等领域。提取丰富的高分辨特征是三维点云分类的关键。为此，设计了一种基于局部-非局部交互卷积的三维点云分类算法，以提高点云特征提取的效率。首先，构造了一个局部-非局部交互卷积模块，在获取局部和非局部相似特征的基础上，采用交互增强来缓解表示封闭区域时单个邻域的冗余问题，增强网络的层次性和稳定性，缓解网络的退化。然后，以该模块为基本单元构建卷积神经网络。最后，为了充分利用不同层次的特征，采用自适应特征融合，在modelnet40和ScanObjectNN基准数据集上的实验表明，该算法的性能更好