摘要：三维（3D）点云数据在智能驾驶、遥感测量和虚拟现实等领域的应用越来越广泛。针对室外大场景，提出了一种兼顾快速性与准确性的三维点云分类算法，该算法首先对原始点云进行离群点去除，并在现有地面滤波算法的基础上，结合点云法向量差信息滤除地面点；然后再使用具有噪声的基于密度（DBscAN）的聚类算法对非地面点云进行分割，同时针对点云的过分割问题采用了就近融合的策略；再提取出不同物体点云的全局特征，包括垂直方向切片采样直方图和质心距直方图，以及点云的二维投影图像方向梯度直方图（HOG）特征；最后，通过支持向量机（SVM）分类器分类，得到较为精确的三维点云分类结果。实验结果表明：所提算法可以将复杂的室外大场景分类为较为准确的单个物体，并且具有较高的精确率以及召回率；相较于其他算法，所提算法的效率有了较大提高。

关键词：机器视觉 室外大场景 法向量差 点云分割 特征提取 

单位：东北大学信息科学与工程学院; 辽宁沈阳110819