摘要:三维激光扫描获取的点云数据可以用于数字城市建设,三维模型获取,场景分析与物体测量等多个领域.但是,由于遮挡的影响,噪声的干扰,采样精度的局限,以及扫描场景的复杂,使得经典的曲面分析和三维空间理论不能直接对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.利用近邻四面体体积,近邻法向量差异度,主方向差异度和主曲率值等四个局部形状特征,采用概率混合策略,构建出一种点云数据的半自动分类方法,实现平面点集,柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度来估计每个特征推断形状的概率,并通过加性方法混合后,依据概率赋权函数最大值准则进行局部形状推断.其用户交互主要是确定这四个特征量分别进行点云分类的阈值选取以及概率混合时候的混合权重选取,以便处理不同扫描尺度和不同扫描精度的点云数据.模拟生成点云,单棵树木点云,街道场景点云,旷野自然场景扫描点云以及航空机载扫描点云等多组数据的实验,表明基于局部形状特征概率混合方法对各种点云数据都具有良好的分类效果.