当今世界,计算机视觉作为人工智能领域的一个重要分支得到了越来越多的关注,而三维点云分割作为计算机视觉的一个重要研究方向也受到了诸多的关注。三维点云分割主要研究如何将三维点云数据按照空间、几何和纹理等特征进行划分。本课题主要从两个方面研究和应用固废点云的分割:基于空间自适应投影的三维固废点云分割算法和基于单次交互的三维固废分割算法。具体完成的工作如下:1.首先介绍了相关的概念和技术原理如三维点云、点云空间索引、点云滤波和相机模型以及最优化方法等。2.在基于空间自适应投影的三维固废点云分割算法中,主要介绍了对重叠和粘连固废点云进行分割的整体流程,包括点云获取、点云预处理、点云滤波和平滑、点云投影、构建目标函数、目标函数优化、分割以及结果检测机制。针对目前并无成熟的算法能够有效地对重叠或粘连的固废点云进行自适应地分割这一问题,本文提出了一种基于空间自适应投影的分割算法,通过将点云投影到不同的平面上,得到一个易于分割的优化图像,对该图像进行分割并重投影到三维点云,得到多个单独的对象,最后在使用一种避免过分割的检查机制来判断这些对象之间的关系后得到最后的分割结果。投影参数是由本文设计的一个数学优化框架获得。通过在一个大型的固废数据集(已共享该数据集)下进行实验,结果表明该算法的性能是令人满意的。该算法适用于分割背景不太复杂的建筑垃圾,对于分割背景极度复杂的装修垃圾使用下一个算法进行处理。3.在基于单次交互的三维固废分割算法中,主要介绍了在极度复杂环境下对选定固废的分割。本文通过在二维图像进行点击选取分割目标后,在以点击点为中心的的矩形框内使用Locally Convex Connected Patches(LCCP)算法对三维点云进行初次分割,并将结果返回到二维图像中,然后使用基于高斯改进的Multiscale Combinatorial Grouping(MCG)对该二维图像进行分割并重投影到三维点云得到最后的结果。通过对多组数据进行实验,结果表明本文方法高效可用。