城市中的地物主要包含建筑物、水系、植被、道路几大类,是城市信息化数据的重要构成部分。运用“3S”集成技术对城市地物的分布及其变化进行监测,对城市的规划、建设和管理具有重要意义。因此,为进一步推进智慧城市建设,研究更精确、更快速的地物分类方法显得十分重要。传统的摄影测量由于生产周期较长而无法满足数字城市快速信息化的需求。激光雷达(LiDAR,Light Detection and Ranging)三维扫描技术采用的是主动传感方式,利用激光作为载体,通过发射受控制的激光照射地面待测目标,并接受地面目标的后向散射的过程来精确测定距离。因为LiDAR系统无需光照,可以不考虑数据采集的时间,随时获取三维的地面信息。目前在数字城市领域,LiDAR已经成为常用的测量工具,能直接获得待测目标表面点云的三维坐标值,具备成本低、速度快、精度高等优点,广泛应用于获取城市中的地物三维表面数据。因此,以城市LiDAR数据为基础进行地物识别和分类,可以降低数据获取周期,同时获得地物的精确三维特征,提高分类精度。LIDAR点云的数据的特点有:数据海量、密度高、离散和分布不规律,且无法像影像数据一样获取表面纹理信息。加上城市地物分布形态复杂,因此要直接从点云中提取地物,对算法的效率和精确度提出了较大的挑战。在分析大量研究成果的基础上,本文以各类地物在垂直结构上的不同特征作为分类依据,基于机载激光点云数据计算其垂直结构特征值实现城市点云的分类,主要研究方法可分为以下几点:(1)分析地物的垂直结构特征以及机载激光点云扫描结果的分布特性,基于一定的尺度将点云划分到水平网格内,然后设置固定的分层尺度,对每一个水平网格均匀地做分层处理。利用地物垂直结构特征与地物点云垂直结构特征的关系,对每一个水平格网计算其归一化的垂直结构特征值。(2)由于在垂直方向上,每层的点云都能计算出对应的垂直结构特征值,形成一条特征曲线,但是在该特征曲线上,并不是所有的特征都对分类有效。因此,需要在分类前,对该特征曲线进行PCA降维处理,剔除各个曲线的相似特征,保留差异性最大的特征,以提高分类效率和精度。(3)基于降维后的特征曲线,利用K-Means等分类算法进行曲线分类,将特征曲线相似的网格中的点云判定为同一类,最终实现城市点云的分类。(4)结果分析和分类精度评估,由于算法设计流程中涉及到多种变量,其中包括水平网格尺度、垂直分层尺度、有效维度数、垂直结构特征的选择等。因此,分析这些变量对结果的影响,寻找最优的垂直结构特征曲线表达方式,才能获得最优的分类效果。在分类精度评估方面,本文结合航空影像数据和实地考察,对实验区域的点云进行人工分类,以此为参考,对比分析本文算法的分类精度。本文提出了利用地物垂直结构特征实现城市点云的分类方法,并通过实验和精度评价,验证了所提出方法的可行性。