近年来,随着三维点云采集设备的不断发展,点云处理已经成为一大研究热点。点云语义分割作为点云处理的重要任务之一,逐渐证明是从细粒度方面理解点云的最有效手段,在自动驾驶,智能机器人,室内场景分析等实际场景中得到了广泛的应用。但是,由于点云自身特点和采集设备的影响,设计一个直接处理点云数据的语义分割的网络仍然是当前点云研究的挑战。本文主要研究点云的语义分割任务,提出一种基于八叉搜索的点云语义分割网络。本文主要研究工作如下:(1)本文将点云的局部特征提取过程划分为关键点采样,局部区域构建,特征融合、学习转换矩阵和特征提取五个步骤。在局部区域构建时,本文提出一种新型的邻近点采样方法,即八叉搜索。八叉搜索方法将关键点周围的空间区域划分为八个子空间,并且基于每个子空间中的邻近点进行局部区域构建。在学习转换矩阵时,为了加快矩阵参数的收敛,本文对转换矩阵进行了优化,使得转换矩阵在处理点云特征有序化问题时更加合理和有效。(2)在语义分割网络搭建方面,本文遵循Encoder-Decoder架构,并在Decoder阶段使用了skip-link结构整合浅层和深层网络之间的特征信息,从而保证了输出结果中每个点都能分配合理的语义标签。(3)为了验证本文所提网络的性能,本文在不同的数据集进行了训练和测试,实验结果表明,本文的分割网络在每个数据集上都能够取较为理想的结果。另外,在网络训练时,本文使用多进程、多GPU技术,显著提升了网络的训练速度。