本发明涉及计算机视觉技术领域，且公开了一种跨模态单样本三维点云分割方法，首先针对目标场景中的所有类别建立类级别的单一文本描述集，分别使用不同的嵌入网络将支撑文本和查询点云映射到各自的特征空间中，接着应用双重注意力和自注意力完成模态内的特征交互并设计视觉‑语义变换器结构在统一的空间中对齐模态间的特征，最后构建文本原型并采用非参数化的度量方法来对点云进行逐点匹配，从而完成分割任务。该跨模态单样本三维点云分割方法，数据便于获取，极大减轻人力消耗且迁移扩展能力强，本方法仅通过使用容易获取的单一“类级别”文本描述作为支撑集引导查询点云完成单样本分割，无需大规模点云数据且完全避免对支撑点云的逐点标注。