使用机器来理解场景的内容一直是人们孜孜不倦的追求,最近深度学习算法的发展更是为场景理解的研究注入了新的动力。三维点云和二维图像都是场景理解问题中重要的数据源,但是三维点云并不适合作为深度学习算法的输入,另外基于图像的深度学习算法的应用场景也有待扩宽。在本文中,我们首先研究了将点云转化为体素作为神经网络的输入并进行分类的问题,但是点云在体素化的过程中存在信息损失问题,我们尝试在点云中填充点邻域的局部低层次特征,如法向、Surfaceness、Linearness等特征,缓解了信息损失的问题,提升了点云分类的准确率,其中在公开的Sydney Urban Objects Dataset上,Surfaceness特征可以提升3.5%的分类准确率,法向量特征可以提升1%的分类准确率;另外,我们还讨论了不同的体素化设置(如体素分辨率、体素尺寸等)对分类准确率的影响。随着城市中监控摄像头、街景车的增多,我们拥有了越来越多的城市影像资源,如何利用这些资源提升城市管理水平具有重要的价值,因此我们将深度学习算法应用到了城市管理中垃圾、横幅、井盖、游商等影响市容环境的要素检测问题,其中,针对深度学习模型参数多、训练数据不足的问题,既而模型容易过拟合的现象,我们使用数据融合、数据扩充、迁移学习等手段缓解了过拟合现象,实现了城市场景影像中感兴趣对象的快速、高精度检测,并在此基础上搭建了一个不依赖GPU,具有跨平台、跨终端运行能力的城市部件提取与市容环境要素检测平台,产生了一定实用价值。