我们提出了一种新型的神经网络Text2Loc，通过自然语言描述实现了基于3D点云定位，并解释了点与文本之间的语义关系。使用分层Transformer和最大池化捕获了文本提示之间的关系动态，使用文本子图对比学习保持了正负样本平衡。提出了一种无匹配精细定位方法，提升了位置预测准确性。在KITTI360Pose数据集上，Text2Loc定位准确度提升了2倍。