三维(3D)点云数据在智能驾驶、遥感测量和虚拟现实等领域的应用越来越广泛。针对室外大场景, 提出了一种兼顾快速性与准确性的三维点云分类算法, 该算法首先对原始点云进行离群点去除, 并在现有地面滤波算法的基础上,结合点云法向量差信息滤除地面点; 然后再使用具有噪声的基于密度(DBSCAN)的聚类算法对非地面点云进行分割, 同时针对点云的过分割问题采用了就近融合的策略; 再提取出不同物体点云的全局特征, 包括垂直方向切片采样直方图和质心距直方图, 以及点云的二维投影图像方向梯度直方图(HOG)特征; 最后, 通过支持向量机(SVM)分类器分类, 得到较为精确的三维点云分类结果。实验结果表明:所提算法可以将复杂的室外大场景分类为较为准确的单个物体, 并且具有较高的精确率以及召回率; 相较于其他算法, 所提算法的效率有了较大提高。