本文研究了点云配准问题，提出了一种基于低维非线性几何结构的方法。通过在Grassmann流形上优化，逼近点云并找到旋转和平移变换。该方法在低重叠情况下表现优越，具有去噪能力和鲁棒性，实验结果显示其优于现有深度学习方法。