在计算机视觉研究中,三维场景语义分割及重建是当前极为热门的研究课题。由于受三维物体表现形式多样、三维边缘信息难以约束和定义、场景描述复杂等因素的制约,传统的三维语义分割方法无法准确标注三维的语义信息,导致三维重建受到影响。本文重点研究基于深度学习的室内三维场景语义分割方法,以提高语义分割的鲁棒性和准确性。论文的主要工作如下:1.提出了一种新的特征提取网络SIFT＿BoNet,该网络通过设计提取方向和尺度特征的插件3DSIFT,并将其嵌入到深度学习算法的上采样和下采样过程,改进了Point＿BoNet网络的性能。2.提出了一种新的语义分割网络ISNet,该网络通过联合实例语义分割（Joint Instance Semantic Segmentation,JISS）模块,实现三维场景语义特征与实例特征的融合,可同时获取语义标签和分割实例对象。3.为了使算法有更大的应用价值,本文制作了仿真数据集。该数据集模拟三维激光扫描仪采集场景,做了遮挡条件下的仿真处理工作。相比于s3dis数据集更贴近真实采集场景现象。以3D点云数据集为训练和测试样本,以总体准确率（oAcc）、平均准确率（mAcc）和平均损失（mIoU）为评价指标,对所提出的各种算法其性能展开分析。通过研究发现,改进型深度学习网络明显优于传统的Point＿BoNet网络。不同训练集对比实验结果表明,在仿真数据集上对激光雷达采集场景的语义分割效果也要强于用s3dis数据集。