三维点云在无人驾驶、高精度地图、测绘和增强现实等领域有广泛的应用，但是如何有效利用点云数据却是一个具有挑战的问题。常用的三维点云分类方法包括随机森林、支持向量机和深度学习等。
以下是根据参考文献获得的一些有关点云的应用和研究的相关信息：
三维点云在无人驾驶、高精度地图、测绘和增强现实等领域有广泛的应用，分类是三维点云处理基础的任务之一。本文基于深度学习方法，借鉴二维图像卷积的思想，设计了一种适合三维点云的卷积操作。我们点云卷积的作用域是局部球形邻域,输入为三维坐标和空间几何关系。通过点云卷积提取局部特征，其被证明对分类任务是有效的。我们使用最远点采样算法采集邻域中心点，根据半径构建球形局部邻域，使用多层感知器网络(multi-layerperceptron，MLP)学习空间关系权重，将学习到的关系权重和输入特征相乘来实现卷积操作。基于三维点云卷积，我们构建一个多层的分类网络模型实现点云分类任务。最后，使用道路场景的黄石路数据集进行分类实验，结果证明了本文方法有效性，具有良好的应用前景。
针对从非地面点云数据中难以自动分类植被和建筑物的问题，提出一种航空影像辅助的机载LiDAR(Light Detection and Ranging)植被点云分类方法。根据植被的光谱特征明显不同于其他地物这一特点，在生成数字正射影像的基础上，首先利用K均值(K-means)聚类算法对影像进行聚类和图形增强，然后将增强后的影像和对应区域的点云数据进行融合，最后通过影像处理结果对机载LiDAR植被点云进行分类。选取某城市的机载LiDAR植被点云数据和航空影像进行实验，定量分析结果显示所提方法的总分类精度为96.47% ，Kappa系数为0.9248，该方法能够达到点云中植被自动分类的目的。
三维树木几何模型是数字城市与数字林业工程的重要组成部分。针对点云树木建模，本文深入分析基于广义（泛在）激光雷达点云的树木模型重建方法，提出“聚类思想建模”、“图论方法建模”、“先验假设建模'、“拉普拉斯算子建模”与“轻量化表达建模”五类建模体系，归纳总结了不同体系在“树冠枝干的细节表达”、“建模算法性能”、“树木模型的多层次细节表达”、“建模体系综合评价方法”等方面存在的共性问题，继而给出一些上述问题可能的解决方案，并提出三维激光树木几何重建潜在的建模方向。
岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境，提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入；然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性，并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比，本算法精度较高,能够更好地应用于岩体点云植被滤波领域。
针对LiDAR点云建筑物提取的研究很多，然而在农村区域植被与建筑粘连且高度近似情况下的讨论较少。本文针对中国典型农村区域建筑特征，以湖南省益阳市泗湖山镇为研究区进行LiDAR点云的建筑提取研究。首先利用梯度及梯度方向约束的形态学滤波方法将原始点云滤波得到地面点，对地面点及原始点云进行插值得到数字高程模型（DEM）和数字地表模型（DSM)。然后通过两者相减得到归一化的NDSM，进而对NDSM进行高程及梯度双约束的标记分水岭变换得到地物对象。最后建立特征指标，对地物对象进行最大似然分类得到建筑物对象。实验结果表明建筑物分类的生产者精度和用户精度均超过90%,Kappa系数大于0.8,构建的方法在农村地区的建筑提取研究中取得了良好的效果。
针对城市复杂环境点云数据中建筑物和植被较难分离的问题，提出利用二者高度、面积、坡度等信息先将建筑物分离，再利用建筑物结果作为约束,较为准确地将二者进行分离的方法。首先将倾斜摄影密集匹配点云数据进行插值生成DSM，针对非地面点集，依据建筑物规则特征，将其从地物中首先分割出来。其次，利用最小二乘拟合平面法获得近似建筑物屋顶的拟合平面，经过边界优化得到准确建筑物边界。最终将建筑物作为约束条件，提取植被信息。实验结果表明本文提出的方法较面向对象法有更好的分类结果，且能得到地物三维信息，具有较强实用性。
针对以往无人机遥感用于城市植被分类时多利用影像光谐、纹理和形状等特征，影像重建点云数据未能充分利用的问题，提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先，基于运动恢复结构(structurefrom motion ,SFM)、多视图聚簇(cluster multi view sltereo.CMVS)和基于面片模型的密集匹配( patch based muli viewstereo, PMVS)算法重建研究区密集点云；然后，经滤波、插值生成研究区数字高程模型(digital elevation model，DEM)和归一化数字表面模型(normalized digital surface model, nDSM)，同时结合影像光谱信息对不同高度的城市植被进行分类提取；最后，采用面向对象的影像分析方法，根据nDSM信息与归一化绿红差异指数(normalized green -red difference index，NCRDI)及可见光波段差异植被指数(visible - band difference vegetation index,VDVI)等光谱信息，分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的 nDSM信息与影像光谱信息提取不同高度的植被是可行的，总体分类精度达到92.08%。该方法可为城市植被分类与制图提供理论支持和应用参考。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
