船舶测量技术是船舶建造过程中的重要技术,是保证船舶建造效率的关键技术。三维激光扫描技术是一种快速测量大面积物体并具有较高精度的测量技术,将此种技术运用于船舶测量当中势必将会成为未来发展的趋势。目前在船舶建造中,国内船厂采用传统测量仪器测量的方式和采用经纬仪、全站仪等电子设备经行测量这两种方式对船体分段进行测量。传统测量仪测量效率比较低,全站仪等设备提高了测量精度与测量效率但在测量方式上采用对关键点进行测量的方式对被测物体的外形无法完全表征,而三维扫描技术应用在船舶建造领域尤其是在船体构件的测量上可以大幅提高测量精度、提高测量效率。三维激光扫描测量所得的结果是由大量被测物体表面点的三维坐标构成。这些点在数量上远远超过使用全站仪等设备测量的关键点数量,因此将这些点按照其所属的船体构件的不同分割开来才能使用后续的误差检测手段进行检测。但现阶段缺少一种能够有效的分割船体分段点云的点云分割算法是制约三维扫描技术在船舶测量中使用的关键因素,为此本文针对船体分段点云的特点基于PointSIFT深度学习模型研究了一种船体分段点云的点云分割算法,解决了船体分段点云的点云分割问题。本文技术路线如下:首先,构建了船体分段的点云分割的标注数据集。该数据集来源于船厂在实际建造中的使用的生产设计CAD模型文件,其中涵盖了船舶生产过程中具有代表性的多种结构样式如:底部分段结构、舷侧分段结构、甲板分段结构、舱壁结构等。使用自行编写的软件对收集来的模型文件进行读取、采样以及标注。在标注过程中将对点云中每个点所属类别进行标注,并对标注标签结果进行自动保存。采用数据增强等手段生成700个不同船体分段点云作为训练集,200个作为测试集。然后,研究了PointSIFT深度学习模型结构,针对船体分段点云的特点对模型结构进行调整从而达到更高的分割准确率,使模型具有一定的泛化能力,证明了使用CAD模型生成的点云训练出的模型能用于生产实际的船体分段点云的分割当中,对PointSIFT的网络结构进行了改进以提高算法准确度。最后,本文训练的模型在测试集上的准确率为79%,其中对强构件预测的精确率为89%,召回率为75%。对普通构件预测的精确率为67%,召回率为83%。其结果证明了算法的可用性与可行性,本文使用的算法可以有效的对船体分段的点云进行分割。