地面激光雷达（Terrestrial Laser Scanning，TLS）可以获得高精度与高层次的几何数据，其已经广泛应用于林分参数提取、树干提取、单木分割与建模及生物量估计等研究。将地面激光雷达点云快速标记为地面、树干与枝叶三个类别可为上述研究奠定基础，所以研究林分点云分类具有重要意义。
　　本研究分别提出了基于特征选择的定近邻特征与动态近邻特征的逐点分类技术，同时提出了基于多尺度分割的点云分类算法。定近邻特征通过逐点计算160个近邻点特征获得;考虑到局部点云特征熵较小的点集三维结构相对稳定，本研究在设定的近邻搜索数量区间内逐点搜索近邻计算特征熵动态确定最优近邻数量计算特征;在较小的体素空间中点云多属于同一类别，小尺度可将空间中分布较近的点云分割开，大尺度可以将连通域较大的分割到同一体素中，本研究引入了多尺度分割计算点特征，这样可有效提高特征计算效率。本研究的点云分类任务全部基于特征选择展开，所以在进行林分点云分类之前，本研究使用了基于xgboost分类器的特征选择技术从19个经验特征中选择了6个能够保证分类器表现的特征。将特征选择获得的6个特征应用于基于定近邻特征、动态近邻特征与多尺度特征的林分点云分类中分类器的测试准确率分别为95.51％、95.19％与95.94％，试验表明本研究的点云分类方法可以应用地面激光雷达林分点云分类任务。