1.一种基于点数据网络结构改进的点云语义分割方法，其特征在于，包括以下步骤：步骤1：对输入的点云数据进行编码得到点云的局部空间特征，编码层由4个抽象层(Set Abstraction Layer，SA)结构组成，通过SA1、SA2、SA3和SA4进行抽取并保留各层的特征，每个SA层结构均由用于点云采样点选取的采样层(Sampling Layer)、用于构建局部空间的分组层(Grouping Layer)和用于特征聚合的PointNet层的网络结构构成；

步骤1.1：输入的点云数据首先进入SA1层，通过最远点采样方法(Farthest Point Sampling，FPS)获取固定1024数量的点作为采样点；

步骤1.2：对1024个采样点利用分组层(Grouping Layer)进行球体查询(Ball Query)，寻找邻域点并局部空间构建；

步骤1.3：在每个局部空间内的几何信息利用PointNet基础结构进行分开编码，得到了降采样后的1024个点和每个点的局部空间特征，；

步骤1.4：将步骤1.3得到的点云和特征输入到SA2层，进行降采样和特征提取得到256个点和其对应特征；

步骤1.5：将步骤1.4得到的点云和特征输入到SA3层，进行降采样和特征提取得到64个点和其对应特征；

步骤1.6：将步骤1.3得到的点云和特征输入到SA2层，进行降采样和特征提取得到16个点和其对应特征。

步骤2：将采样并编码后的特征点云按照4次编码的反过程进行4次解码，解码层由4个特征聚合(Feature Propagation，FP)层构成，通过FP4、FP3、FP2和FP1逐步进行上采样恢复原始点云结构，并进行特征聚合和跨层跳跃链接，将FP1层和原始的点云数据用残差结构进行连接，得到点云中每个点的特征；

步骤2.1：将SA4层得到的点云和对应特征通过FP4层上采样恢复到SA3层处理后的点云大小；

步骤2.2：对SA3层中的每个点找到其对应SA4层中最近的3个点，将这三个点的特征进行三线性权重插值，作为点的插值特征；

步骤2.3：将插值特征与SA3层得到的点的特征进行几何特征进行连接，并通过MLP得到了FP4层的点特征；

步骤2.4：将FP4层获取的点特征作为下一层FP3中的插值部分，用三线性插值获取插值特征，之后和SA2层的点的特征链接，再通过MLP获取FP3层的点特征；

步骤2.5：将FP3层获取的点特征作为下一层FP2中的插值部分，用三线性插值获取插值特征，之后和SA1层的点的特征链接，再通过MLP获取FP2层的点特征；

步骤2.6：将FP2层获取的点特征作为下一层FP1中的插值部分，用三线性插值获取插值特征，之后通过残差结构与原始的点云数据进行链接，再通过MLP获取FP1层即原始点云的点特征；

步骤3：将点云和其对应的特征放入全连接层，并引入Dropout层，进行点的语义信息的判别。

2.如权利要求1所述方法，其特征在于，步骤1中的SG‑SA1层和SG‑SA2层在进行局部空间特征提取时将每个局部空间内的几何信息和附加信息利用PointNet基础结构进行分开编码。

3.如权利要求1所述方法，其特征在于，步骤1和步骤2中将编码层和解码层都进行加深为4层，将点云降采样的点数设置为1024、256、64和16，并进行对应的上采样。

4.如权利要求1所述方法，其特征在于，步骤2.6中通过残差结构将点云特征与原始的点云数据进行链接。

5.如权利要求1所述方法，其特征在于，步骤3中引入Dropout层防止网络过拟合。