随着语义分割网络的不断发展,如何直接处理好无序的三维点云数据已经成为目前的研究热点。点云是一种直接并且简单的三维物体的表示方式,整个点云集合可以反映场景或者物体的几何信息,近年来获取三维点云数据的渠道也不断增多。本文从深度学习入手,主要研究直接处理三维点云数据的语义分割网络,并通过分析现有的语义分割网络,设计出一种基于点密度的针对三维点云数据的语义分割网络。本文主要的研究工作如下:首先,本文设计了一种新的语义分割网络,使用了深度学习技术进行三维点云数据的语义分割任务。通过优化网络中的卷积部分,使网络能够更好的提取出三维点云数据的特征信息。其次,在网络中的上采样部分融合点云的局部信息与全局信息,使网络输出的语义特征包含信息更充分。其次,本文设计了一种新的局部特征提取模块。这个模块添加了点的密度作为属性,可以计算更充分的局部特征。同时,使用了尺度模块、X-卷积等方法增加了特征的尺度不变性和旋转不变性,使语义分割网络可以更好的处理点云数据。最后,对设计出的语义分割网络进行实验和测试,利用时下常用的三维点云数据集以及评价方法对本文提出的语义分割网络进行评价,并将实验结果可视化进行对比,实验结果证明本文提出的语义分割网络可以取得较为理想的效果。