随着计算机处理能力的增强，个人手持设备的普及，将三维城市模型服务推广到普通用户中在技术上变得逐渐可行，人们对基于三维城市模型信息服务的需求也越发旺盛。在游戏及VR等应用场景中，为了提升玩家用户的沉浸感，常常需要将指定的城市模型接入到应用中。因此，在保持原始扫描获得数据的语义信息和视觉效果下，应尽量提高其存储和处理效率。所以需要对原始数据进行一定的预处理，在提取其语义信息后对模型进行适当的简化。
　　在类似Minecraft的沙盘游戏中，往往会将具体场景表示为一些带有语义信息的体素集合。这种表示有其便利性，一方面将场景根据语义进行分割后，为后续的用户和场景中这些体素集合交互提供便利，例如用不同的体素表示路面的光滑程度，玩家在不同光滑程度的路面上移动时有着不同的表现;另一方面体素表示相比较原始获得的大型场景的三角网格表示会有更高的存储和计算效率。因此该类表示十分适用于对存储和计算效率要求高的应用场景，如移动设备上的电子游戏和VR应用等。但是目前诸如此类的沙盘游戏应用大多使用预置的场景，为了进一步增强沉浸感，弥补该类应用上仅能适用于特定场景的问题，对任意扫描获得的城市场景进行语义分割和简化以满足该类应用的技术研究势在必行。
　　为此，本文基于一项Verdie的工作，提供了将原始场景进行带语义的分割和体素式简化的技术。相比较Verdie的方法，本文提出了如下3点改进:
　　(1)对于带纹理的城市网格模型，引入了颜色特征，提高了方法中随机森林预测算法结果的准确性;
　　(2)使用基于马尔科夫随机场的标签优化，进一步在部分语义标签类上提高分类的准确性;
　　(3)使用体素模型来表达城市模型，大幅减少了模型的复杂度，提高了城市模型在在游戏场景中应用的可能性。体素模型上的语义标签也为后续处理提供了帮助。
　　本文以某小区为例进行实验，实验结果证明了此方法的准确性，本文最终讨论了此方法的局限与不足，主要包括分簇效果一般，在复杂的模型结构上分类准确率不够高的缺点。