三维室外场景的分割与分类是智能机器人和计算机视觉领域的两个重要研究内容。近年来,人们提出了许多方法解决这两个问题,但是由于三维点数量众多以及三维场景的复杂性,解决这两个问题仍然具有一定挑战性。本文致力于实现快速准确的三维点云场景分割并基于此分割结果实现点云场景的上下文分类。本文提出了一种基于区域生长算法的快速准确的三维场景分割算法。本算法得到的分割块总数取决于场景的复杂度而非人工设置,因此分割结果较为准确合理。与传统的诸如基于k-means的分割方法相比,由于不存在对每个点的多次迭代过程,所以能够进行快速分割。分割之前需要根据序列化的二维激光数据得到三维点矩阵,此矩阵包含了所有的三维点。该矩阵的重要意义在于能够从中快速找到所有三维点的相邻关系。之后的分割过程可以分为四个部分： (1)根据每个点的相邻点估计其法向量； (2)基于自身法向量与周围点法向量的方向对每个点赋予平面/非平面标记； (3)基于高程和法向量方向提取地面点； (4)使用区域生长算法生成分割结果。在点云分类问题中,上下文分类器已经被证明优于传统局部分类器。条件随机场(Conditional Random Filed, CRF)模型是一种著名的判别式模型,已经广泛应用于计算机视觉和智能机器人领域的上下文分类中,本文的分类即采用此模型。当建立二阶团结构时,形成的随机场会有过度复杂的连接关系,导致推断时间过长。为了降低推断时间,本文仅建立CRF节点和高阶团,而不再建立二阶团,其中节点即为上述分割结果,高阶团生成算法采用类似于上述分割算法的聚类算法。为了进一步加快分类速度,本文提取了较少的但是极为关键的节点和高阶团特征。本论文基于四个数据集对分割分类方法进行了系统的实验验证,实验结果表明了本文所提方法的有效性。