本发明公开了一种基于2D‑3D增强变换的点云表征学习方法，旨在有效结合3D点云与2D多视图以实现深度特征学习和多模态对齐。该系统包括以下关键步骤：S1、2D多视图渲染；S2、3D点云图谱表示及其扰动处理，采用图谱分析技术提取点云谱表示并引入扰动以增加数据多样性；S3、2D视图的精细裁剪和控制，增强模型对复杂特征的识别能力；S4、多层次的2D多视图增强，通过不同类型和不同强度的增强变换改善样本质量；S5、多模态2D‑3D对比学习，通过模态内和跨模态对齐来改进对2D‑23D间的自监督学习。本发明显著提升了3D点云的表征能力，同时降低了对人工标注的依赖，增强了在实际应用中的泛化能力和鲁棒性。