三维点云分割旨在实现点云场景中与真实视觉感知相一致的精确对象分割,通过计算点云内部信息,将点云场景分割成一组均具有特定语义含义的区域,是场景理解、目标识别等视觉应用领域的关键步骤以及重要研究课题。针对现有点云分割方法存在的分割效率低、高曲率区域分割效果差等问题,本文提出了一种结合点云凹点剔除,基于超体素概念的点云分割算法,实现对一般三维室内场景的精确分割。针对去噪滤波预处理之后的三维点云场景,本文的主要工作和创新分为以下几个方面:提出点云凹点剔除方法。在点云分割之前,根据设定的凹凸点判定准则将点云凹点剔除,这些凹点通常情况下位于不同对象边界区域。凹点剔除工作使得后续分割过程中易出现的超体素跨对象生长现象大大减少,使得超体素在生长过程遇到对象边界处即停止生长,从而保持了场景中对象的完整性,为后续分割打下精确的基础。对凹点剔除后的点云进行超体素过分割。首先利用Kd-tree原理将点云体素规格化,提取体素颜色、空间和FPFH等特征,设置种子体素,最后计算相邻体素的特征相似性距离,按聚类准则将体素聚类成体积更大的超体素,后续将以此为处理单位,进而缩短算法运算时间。提出超体素区域增长方法以及邻接表面片跨凸边融合方法。首先提取过分割后的超体素空间法向量等特征,将特征相似的超体素进行区域融合,得到一簇邻接表面片,再设定邻接表面片凹凸特性判定准则,对邻接表面片进行跨凸边融合,得到凹点缺失的超体素聚类分割结果。最后采用基于径向基函数的凹点修复算法以及简单区域增长算法对剔除的凹点进行恢复以及融合,得到与视觉感知相一致的室内点云场景分割结果。本文提出的三维室内点云场景分割算法,整体基于区域增长的思想,实现了点云场景中对象的精确分割,对高曲率区域亦具有良好的分割效果,避免了欠分割与过分割问题的出现。最后将本文算法与其他分割算法进行实验对比,实验结果表明,本文算法分割效果明显优于其他算法,并且分割性能良好,运算效率高,有效地提升了三维室内点云场景分割的真实性与准确性。