随着环境感知与地图生成技术的飞速发展,尤其是SLAM(SimultaneousLocalization And Mapping,同时定位与地图生成)取得了巨大的研究突破,基于移动平台多模态传感器的感知方法成为获取周围环境数据的重要手段。激光传感器由于具有高精度,使用方便,能够高效的获取环境的三维信息等特点,而被广泛应用。但是,由激光传感器获取的数据只是低层次的几何数据,满足不了机器人或者计算机对三维世界进行语义理解的要求。本文的研究目的就是希望能够使用移动平台获取的城市场景激光数据,生成一幅具有语义信息的三维地图。这幅地图能够告诉机器人或者计算机,环境中存在有哪些物体,它们的种类等等。　　 本文所做的工作是基于移动平台的城市场景激光数据的分割与分类。这是一个具有挑战性的课题。对城市场景数据分割与分类要求与传统的激光数据分割与分类要求是不一样的,其所要求分割得到的数据具有语义同一性,而不是以往分割工作中的低层次的同一性。而城市场景情况复杂,场景中存在的物体种类繁多,数据粘连、遮挡情况严重,也给研究工作带来了相当大的难度。　　 本文对城市场景的激光数据的分割与分类工作,进行了研究。其主要贡献与创新点有:　　 1.在本文的工作中,我们提出了一个同时分割与分类的算法框架。这个算法框架与传统的先分割后分类的算法框架有着本质的不同。数据首先经过过分割的过程,形成了很多的数据碎片,然后我们对这些数据碎片进行了同时的合并与分类,合并过程中使用了分类的信息,得到最终的分割结果,并为最终分割所得数据块贴上了语义标签。实验结果也验证了算法的有效性。　　 2.本文还进行了关于分类特征选择的初步研究。传统的高级的特征描述子并不适用于我们城市场景数据。我们通过选择不同类别的特征来表征物体不同方面的信息,以期提高分类准确率。同时,我们还设计了基于知识的滤波器,将人关于场景的知识显式的表达出来。通过对分类结果中不合理与不可能的情况进行滤除,进一步提高分类准确率。实验结果验证了我们的方法对分类准确率的提高。