复杂环境下的地形分类对于室外机器人自主导航有着极其重要的意义。而目前一些地形分类的方法,无法全面满足室外导航的需要。本文以三维点云的空间分布状态为研究对象,研究了基于雷达数据的空间几何特征的分类方法,对其进行了实验,并分析了实验效果。算法研究的点云对象是散乱点云,或者叫非组织点云(unorganized cloud points),即点云数据本身只包含空间点坐标。在提取三维点云的空间分布特征过程中,需要搜索观测点的K近邻。本文采用可调参数单坐标轴搜索算法,求出点的K近邻,并通过其坐标协方差矩阵和向量协方差矩阵提取特征向量。不同地形的点云的空间几何分布特征不同。通过提取不同地形的点云的特征向量,对分类器进行训练。之后输出分类结果。本论文采取GMM和贝叶斯分类器以及SVM分类器,并对实验数据和实验结果进行了统计和分析。在应用方面,本论文较全面的总结了目前地形分类算法的发展现状。使用奥地利Riegl公司出品的LMS-Z210i型地面三维激光扫描仪完成空间数据获取,并对获取的数据进行分类。通过对比分析了基于雷达数据的几何特征的地形分类方法在分类各种地形上的优点和局限性。