基于立体视觉的场景语义标注是环境感知领域中的热门研究方向。经过多年的发展,环境感知的部分成果已经逐渐走上了产品化的道路。但针对室内场景的语义标注仍然存在若干问题,场景单一,多数采用合成数据集等等。　　本文的方法基于逐步壮大的 RGBD数据集,对包括办公室场景及家居场景的样本进行语义标注。采用了多种点云预处理方法,并结合二维图像的标注方式和点云分割的方法,提取点云样本,作为分类器的输入。在学习过程中,将局部的场景关联信息提取出来,通过具有语义关联能力的条件随机场模型进行训练,得到局部场景的语义标注模型。丰富的场景来源和结构信息与场景的紧密结合,是本课题中场景标注的显著特征。　　本文的主要工作包括以下几方面:　　1.构建包含丰富场景的点云样本数据集。针对点云进行包括:点云网格化、滤波,并基于感兴趣区域的标注结合点云分割来构建数据集,使得 RGBD数据集能够统一划归为进行局部场景标注的样本。　　2.样本取自于丰富的场景,因而对分割的鲁棒性提出了很高的要求。目前点云分割领域的方法,包括参数模型拟合分割、聚类分割。本文在此基础上,结合二维图像的分割技术与基于聚类的点云分割方法,运用的局部场景理解中,满足鲁棒性分割的需要。　　3.点云样本的特征提取与选择。由于样本来源丰富,同一类物体在外观、形态等方面差异较大,本文探索了不同类型的特征(可视化外观以及几何形状特征)的差异,并通过对实验结果的分析,得出更适合于局部场景语义标注问题的样本特征。　　4.局部场景语义标注模型建模与训练。针对语义标注问题进行了建模,结合条件随机场,采用分层的思想融合场景的结构关联信息,给出了训练的方法。通过实验结果分析了结构关联信息对场景语义标注的作用。实验结果表明本文方法达到了较好的语义标注效果。