在计算机视觉研究领域中,三维场景理解一直是一个重要的研究方向。随着三维点云采集设备的不断发展,基于三维点云的场景理解受到越来越多研究者的关注。三维点云语义分割作为三维场景理解中重要的基础性问题,被广泛地应用在自动驾驶、机器人导航、室内场景分析等实际场景中。但是由于三维点云的稀疏性、无序性和非结构化特性,以及相关点云采集设备的影响,使得三维点云语义分割问题仍然面临诸多的困难和挑战。本文主要研究三维点云的语义分割任务,提出了一种基于局部感知的三维点云语义分割模型。随后为了充分利用点云的全局特征,在局部感知的三维点云语义分割模型的基础上增加了全局特征提取模块和全局注意力模块,设计了一种基于全局感知和局部感知结合的三维点云语义分割模型。本文具体工作如下:（1）针对PointNet++模型在点云局部特征提取和编码方面的不足,提出了一种基于局部感知的三维点云语义分割模型。该模型使用局部感知模块提取点云局部特征,局部感知模块可以动态适应点云的局部结构,通过注意力机制自动学习精细的点云局部特征,同时采用局部感知损失函数,细化局部的精细特征。该模型可以较好地学习和感知点云的局部结构,提高了语义分割的精度。与Point Net++模型相比,该算法在S3DIS数据集上总体精度o Acc提高5.6%,平均类别交并比mIoU提高4.4%。（2）基于上下文特征融合的思想,针对上一模型没有有效利用点云全局特征的不足,提出一种基于全局感知和局部感知结合的三维点云语义分割模型。该模型使用一个全局特征提取模块,对点云整个场景的全局信息进行提取,同时应用全局注意力模块,将点云的全局特征和局部特征进行融合。该模型可以同时感知点云的局部结构和全局场景特征,提高了语义分割的性能。针对S3DIS数据集,该模型与基于局部感知的三维点云语义分割模型相比,总体精度o Acc提高1.8%,平均类别交并比mIoU提高1.6%。