总结
本文针对在一些特定区域交通系统的需求，利用一维激光雷达距离数据，使用了在视觉图像处理常用的角点特征的概念，提出使用均值差变和离差获得目标数据的离散角点数据，极大丰富了原始数据的信息量，并充分利用目标对象的统计特征，设计基于决策树的分类系统，从而获得较高识别率的车辆分类系统。通过分析实验数据发现，当前系统对small truck类目标的识别率有待提高。本文的研究是致力于为特定环境需求提供尽可能均衡的方法，采用过低的信息量对目标分类的实时性有一定的好处，但对识别精度有较大影响，如果用于对精度要求较高的场景，足够的数据信息量是必要的。此外，由于在离散数据中使用角点数据是一个新的
尝试，可能存在一些有待改进地方，在未来的工作中会进一步探求并改进。除此之外，数据种类的均衡性或许对目标分类有一定影响，可尝试通过对少数类特有特征的提取，从而提高少数类目标的分类准确率。
参考文献
[1]付林， 李振华， 卞保民. 激光雷达一维距离像的特征提取与目标识别算法研究[J]. 弹道学報， 2004（01）： 82-85+90.
[2]陈晓清， 马君国， 赵宏钟， 付强. 基于二维小波变换的激光成像雷达目标识别算法[J]. 激光与光电子学进展， 2011， 48（04）： 41-44.
[3]马君国， 黄孟俊. 基于组合矩的激光成像雷达目标识别算法[J]. 中国激光， 2012， 39（06）： 200-204.
[4]于加其. 基于激光成像雷达距离像的地面目标识别算法研究[D]. 北京理工大学， 2015.
[5]孙剑峰， 李琦， 陆威， 王骐. 基于数字信号处理器的激光成像雷达目标识别算法实现[J]. 中国激光， 2006（11）： 1467-1471.
[6]张世征. 几种轮廓曲率估计角点检测算法研究[D]. 重庆大学， 2016.
[7]陈继华， 李响， 李栋. 一种改进的轮廓曲线角点检测方法[J]. 组合机床与自动化加工技术， 2016（07）： 114-117+126.
[8]李云红， 姚韵， 贾利娜. 基于图像轮廓的角点检测算法[J]. 计算机与数字工程， 2016， 44（10）： 2015-2019.
[9]张倩. 基于轮廓的角点检测算法研究[D]. 电子科技大学， 2017.
[10]廖梦怡， 陈靓影， 徐如意， 等. 灰度值星型辐射投影角点检测算法[J]. 计算机辅助设计与图形学学报， 2018， 30（11）： 2141-2149.
[11]Harris C J. A combined corner and edge detector[C]. Proceed-ings of 4th Alvey Vision Conference， 1988， （3）： 147-151
[12]骆荣坤， 刘桂礼， 孔全存， 等. 基于四邻域对角线上灰度约束的亚像素角点检测[J]. 计算机工程与设计， 2019， 40（1）： 77-83.