Ces dernières années, les tâches de perception des nuages de points ont suscité une attention croissante. Cet article présente la première tentative d'estimer un maillage corporel humain 3D à partir de nuages de points LiDAR épars. Nous avons constaté que le principal défi dans l'estimation de la posture et du maillage humain à partir de nuages de points réside dans la rareté, le bruit et l'incomplétude des nuages de points LiDAR. Face à ces défis, nous proposons un schéma efficace de reconstruction d'épars à dense pour reconstruire le maillage corporel humain 3D. Cela implique d'estimer une représentation éparse d'un être humain (posture humaine 3D) et de reconstruire progressivement le maillage corporel. Pour mieux exploiter les informations structurelles 3D des nuages de points, nous utilisons un transformateur graphique en cascade (graphormer) afin d'introduire les caractéristiques des nuages de points lors de la reconstruction d'épars à dense. Les résultats expérimentaux sur trois bases de données publiques montrent l'efficacité de l'approche proposée. Code : https://github.com/soullessrobot/LiDAR-HMR/