随着深度学习技术与三维扫描技术的不断发展,三维点云鲁棒语义分割成为人工智能领域中一个重要的探索方向。本文基于深度学习,对三维点云的语义分割进行研究,以提高三维点云语义分割网络模型的准确性和鲁棒性。本文主要针对三维点云语义分割网络的准确性问题、三维点云语义分割对抗攻击算法、三维点云语义分割对抗防御,以及三维点云语义分割应用等问题进行研究,本文的主要贡献如下:（1）本文针对Point Net++网络特征提取过程中,没有突出不同特征的重要差异性,对于局部点云特征的学习不够充分的问题,引入了注意力特征选择AFCM模块,基于注意力机制提出了AFCM-Point Net++网络,加强了局部点云的特征学习,为不同重要程度的特征予以不同的权重,通过实验表明AFCM-Point Net++网络在S3DIS数据集上取得了准确性的提升。（2）本文提出了一种基于扰动的三维点云语义分割对抗攻击算法,通过迭代优化的方式添加细微扰动来生成三维点云语义分割网络的对抗样本,用于攻击三维点云语义分割网络,通过实验表明了三维点云语义分割网络存在鲁棒性问题,三维点云语义分割网络的对抗样本生成研究可以深入了解对抗攻击现象发生的原因,促使更多三维点云语义分割防御算法的提出,从而构建更加鲁棒的三维点云语义分割网络。（3）本文通过数据预处理和改善网络结构来提高三维点云语义分割网络鲁棒性,即在AFCM-Point Net++网络的基础上,基于统计滤波来消除对抗样本中离散程度较高的离散点,以及使用残差学习来改善网络结构,提出了Res A-Point Net++网络,通过实验表明Res A-Point Net++网络的鲁棒性得到了提升。（4）本文将三维点云语义分割应用于室内场景语义分割,设计并实现了用于室内场景三维点云语义分割的系统,能够实现语义分割、数据管理、用户管理等功能。