近年来,激光三维成像技术不断发展,三维成像系统在逆向工程、数字城市、智能汽车等方面的应用越来越广泛,随之而来的是对点云数据处理的精度、速度等要求越来越高。为满足实际应用中对高精度数据处理结果的需要,国内外各机构已经将三维点云数据处理技术作为研究重点。激光三维成像系统探测的数据是大量散乱点云数据,首先需要对点云数据进行分割处理,将具有不同属性的物体分开,为后续操作提供基础信息,然后才能进行后续的点云分类、识别以及三维重建等处理。由于点云分割是点云数据处理的关键部分,点云分割处理结果能否满足实际应用需求至关重要。在分析总结现有算法处理实际点云数据存在问题的基础上,本文拟利用改进局部表面凸性算法分割室外复杂环境点云数据,并进行实验验证。本文完成的主要工作内容如下:1、系统地介绍了三维点云数据处理过程,并着重介绍了点云分割在自主驾驶系统和智能机器人系统中起到的重要作用,是后续指令完成的重要信息支撑。2、在介绍最小剪切算法和区域生长算法数学理论的基础上,将算法编程实现,并利用实际复杂环境点云数据进行实验验证,实验结果表明,最小剪切算法和区域生长算法对形状规则的物体都能获得较好的分割结果,而对于情形复杂的实际环境数据的分割效果并不理想。3、针对现有算法在分割实验中存在的分割过度和分割不充分的问题,提出一种改进的局部表面凸性算法,利用构建局部连通点集的方法取代原有算法中的三角剖分来进行邻近点关系分析以及利用连通部分标识的方法进行数据分割,并将算法编程实现,利用实际复杂环境散乱点云数据进行分割实验,结果表明,改进算法对散乱点云数据的分割效果显著,并且算法中构建的连通点集中邻近点数目越多,算法的分割效果越好,有较好的实际应用前景。