随着智能家居机器人、无人驾驶、虚拟现实等新兴产业的爆炸式发展,对三维场景的语义分析与理解的需求也越来越紧迫。与此同时,空间扫描技术的越发成熟,三维传感技术也取得了重大进展,大量的真实场景三维点云数据的获取也越来越容易。为此,三维场景的语义分析也越来越受到数据的驱动。由于三维点云数据的无序性,基于卷积神经网络的深度学习方法不能直接作用于点云上,而将点云数据转换为体素,采用三维卷积方法的计算开销太大,也不适用于室内场景的语义理解。为此直接基于三维点云数据的深度学习方法应运而生。Point Net是基于点云的深度学习的先驱工作,该框架能有效的提取点云特征,但在语义分析上的表现却不尽如人意。本文利用基于Point Net网络框架对室内场景点云进行语义分割,在此基础上进一步的对室内场景进行语义分析,包括目标检测和三维实例分割等。本文针对三维室内场景语义分析的研究,主要工作和成果如下:首先,本文提出了一种基于度量距离的室内场景目标检测算法。本文设计的目标检测方法是通过室内场景点云的语义分割获得各点的语义标签后,基于自定义的度量距离,通过区域增长的聚类算法,对室内场景中的目标进行聚类,从而实现目标检测。实验结果表明,对比Point Net中的BFS搜索方法,该方法具有有明显的性能优势。其次,本文提出了一种基于余弦相似度的实例分割方法。本文设计了利用余弦相似度来耦合点云特征向量与实例标签的方法;使得在实例标签的监督下,使属于同一实例的点云之间的特征向量具有较高的余弦相似度,不属于同一实例的点云之间的特征向量的余弦相似度较低。最后,我们通过改进高斯均值漂移算法对耦合实例标签的点云特征向量进行聚类,获得实例分割的效果。并在S3DIS数据集（Stanford large-scale 3D Indoor Spaces Dataset）上进行了测试,验证了我们方法的有效性,并与相关基准方法比较,我们的算法取得了良好的效果。