点云分割是三维点云处理技术中的重要环节,分割结果的好坏对后续点云数据的应用有着直接影响,所以对点云数据高效准确地分割是三维点云处理领域十分重要的研究内容。基于此背景,本文对三维点云分割技术进行研究,结合超体素算法与三维点云自带的凹凸性,提出了基于超体素凹凸性的场景点云分割方法,具有运算速度快、模型复杂度低等优点。然而该方法仍存在常用算法容易混淆堆叠物体以及对较大物体过分割等缺陷。因此,本文结合超体素算法和粒子群优化模糊聚类算法,提出了一种新型三维点云分割模型,能够有效避免堆叠物体易混淆、过分割和欠分割等现象。本文具体研究内容如下:（1）在超体素算法的基础上,本文提出了基于超体素凹凸性的场景点云分割方法。首先,使用八叉树体素化点云,利用曲率、距离以及FPFH（Fast Point Feature Histograms,PFFH）特征生成超体素。然后,基于凹凸性限制的区域生长算法,通过残差值选取初始种子点,根据凹凸性和相似性距离使超体素融合,进而实现场景点云划分。通过OSDv0.2数据集进行了实验分析,该算法运行时间为8.7秒,准确率为0.74,查全率为0.75,该方法对于一般的规则物体可以取得较好的分割结果。然而该算法仍存在堆叠物体混淆以及非线性物体过分割的现象,对于复杂场景分割效果欠佳。（2）为进一步提高点云数据的分割效率,解决堆叠物体混淆、与非线性物体过分割等缺陷,本文提出了基于超体素与PFCM（Fuzzy c-means of particle swarm optimization,PFCM）的场景点云分割方法。该算法通过PFCM模型对超体素进行初步划分,然后针对粘连的超体素进行二次划分,完成场景点云分割。通过OSD-v0.2数据集测试,本文算法的准确率为0.86,查全率为0.83,速度为7.5秒。该算法的分割准确率与查全率远高于未改进的粒子群优化的模糊聚类算法,分别提高了22%与16%。