针对三维点云识别的无序性且缺乏拓扑信息的问题。设计了一种双模块图卷积神经网络，能够同时学习点云的多尺度特征和残差特征，以提高三维(3D)点云的识别精度。在第一个模块中，利用基于修正余弦相似度的图卷积，以及不同的特征维度，提取点云的多尺度特征。在第二个模块中，利用多层网络间的跨层连接，以及固定尺度邻域图，提取点云残差特征。将两种特征融合，作为多层感知机的输入，经过池化层和全连接层网络，对点云进行分类。在公开数据集ModelNet40上的实验结果，证明了该算法的有效性。