近年来,随着硬件三维扫描设备以及计算机视觉技术的飞速发展,3D点云数据在模型重建、场景分析、无人驾驶等领域得到了广泛应用。相较于二维数据,点云作为三维数据可以从不同位置和角度观察场景信息,对于复杂场景能表现丰富的空间信息,突破了二维图像在遮挡方面的局限;并且弥补了二维图像遇到的光照、姿态等问题。尽管与二维数据相比,点云存在较多的优势,但是其稀疏性、无序性、无结构性等特点使得点云分割充满挑战。当前自动点云分割方法还无法达到百分之百的分割精度,在实际应用中无法完全满足用户的分割需求,需要用户对分割结果中的错误部分进行手工处理。现有的交互式点云分割则存在着交互效率低,抗干扰能力弱等缺陷。为了提升现有交互式分割算法的交互效率、增强系统鲁棒性,使分割算法更好的理解用户交互意图并满足用户分割需求,本文从系统反馈的角度出发,通过改善交互方式或增加交互功能,将用户输入与反馈控制理论相结合,以提升分割系统的稳定性和分割效率。本文的主要工作和创新成果包括:（1）系统地综述了自动点云分割、交互式点云分割和基于反馈控制的交互式图像分割的研究现状,总结和分析了相关算法的特点、应用范围以及存在的问题。（2）针对点云分割离散系统,以区域增长算法为例,提出了一种基于反馈控制的交互式区域增长点云分割算法。首先根据区域增长的算法原理选定法线夹角为反馈信号;其次,对输入信号进行变换,将当前点作为种子点进行扩散处理,并添加权重限制扩散范围,将坐标信号转换为法线夹角信号;然后根据先验知识设计预估分割公式;最后,根据离散系统的李雅普诺夫第二法分别设计输出分割和预估分割的控制律。实验结果表明,反馈控制系统的稳定性和收敛性保证了即使用户进行了错误的操作,只要没有破坏系统的稳定性,系统也可以趋向稳定的分割结果,具有较好的抗干扰能力。（3）针对点云分割连续系统,以最小割算法为例,提出了一种基于反馈控制的交互式最小割点云分割算法。首先设计了交互式最小割算法的反馈控制系统;其次,将当前交互点坐标信号映射为距离信息;然后将理想分割和实际分割的演化过程公式化;最后,根据连续系统的李雅普诺夫第二法分别设计理想分割和实际分割的控制律。实验结果表明,本文系统框架可以有效应用于点云分割连续系统,从而提高用户交互效率,改善分割精度。（4）提出了一种基于反馈的交互式深度学习点云分割方法。本文综合考虑像素距离和深度距离,将深度图上的用户标注转换为交互映射图;将输入RGBD图和交互映射图输入CNN网络中实现正向传播;通过反向传播来最小化所设计的两个能量函数,强制用户交互点具有正确标签,并细化正向传播的分割结果。本文方法不需要额外的训练便可将无交互的CNN转换成有交互的CNN,有效应用于基于CNN的点云分割系统,能修正错误标记点,细化分割结果。