本发明涉及点云分类和匹配技术领域，且公开了基于深度学习的3D点云分类和匹配的方法及系统，包括输入原始点云数据及其表面法线，整个网络包括特征学习块，所述特征学习块包括采样区域和同心环形卷积，通过采样区域和同心环形卷积的方式处理点数据对特征进行编码；基于点数据对特征的编码，最大池化层聚合相邻层间的特征，通过残差特征传达块处理，将初始层的特征传达到更深层来提高特征的质量，其中在计算特征映射时，通过添加线性的投影链接和非线性ReLU‑组归一化链接；将网络的最终输出经过一系列的卷积和全连接层进行分类任务，将网络中不同级别的输出经过插值处理和卷积进行匹配任务，有效提高了点云分类和匹配的准确性以及稳定性。