Lidar能够实时快速的获取高精度的三维地面信息;Lidar主动性的扫描模式也使它能够不受天气影响实现全天候的工作;同时,Lidar产品能方便的与多种实用程序软件接口直接连接,如CAD、三维动画软件等等。这些优势使得Lidar得到了越来越广泛的应用。然而在整个Lidar数据处理过程中,占工作量60%-80%的点云数据分类工作已经成为制约Lidar进一步应用发展的瓶颈问题,因此对点云数据分类方法的研究在现阶段具有非常重要的研究意义和实用价值。近年来,许多学者从事这方面一些研究,并逐步发展出一些较为成熟的点云分类算法,其中,基于Alexsson提出的分类方法而开发的商业软件TerraScan是目前公认的比较完善实用的软件之一。本文在使用TerraScan软件对试验区点云数据进行分类的同时,使用基于数学形态学原理的分类方法分类同样的点云数据。然后将两种分类方法的结果进行比对,以检验基于数学形态学原理的分类方法的优势和缺陷,并对该方法作进一步开发应用评估。本文所使用的点云数据由ISPRS整理提供。七块试验区域的点云数据包含各种典型的地形特征。并有相应的人工分类参考数据集,可为分类方法的分类结果质量的定量评估提供依据。本文的主要研究工作包括:(1)介绍TerraScan软件进行点云分类工作的分类流程、操作界面及其参数设置方法,利用该软件实现研究区域点云数据的分类。(2)采用Matlab编程实现基于数学形态学原理的分类方法。用该方法对研究区点云数据分类,着重讨论了分离不同类型地物时开运算操作窗口大小的选择。(3)对两种分类方法获取的分类结果进行精度评价和对比分析。研究结果表明,基于数学形态学原理的分类方法的分类精度同TerraScan的分类精度相当,操作原理与过程更加简单,有很好的应用前景。