点云分割是隧道施工中检测超欠挖区域及体积的关键步骤，但由于超欠挖隧道轮廓不平整，在进行点云分割时对于靠近轮廓的干扰物体难以有良好的分割精度。针对这一问题，提出了一种基于Transformer的模型。模型通过引入自注意力机制建模全局长距离依赖关系，并结合局部信息融合模块，融合局部几何与特征上下文信息，采用类似DGCNN的架构提升特征表达能力。实验基于构建的超欠挖隧道3D点云数据集，与DGCNN和Point Transformer模型对比，结果表明，模型在推理速度、计算资源需求和分割精度(mIoU达到75.8%)上均优于对比模型，性能提升显著。模型可为超欠挖隧道开挖和衬砌隧道点云分割提供技术支持，助力隧道工程可视化施工，提升工程质量和效率。