LiDAR获取数据的方式导致点云数据存在阴影、 遮挡等现象, 造成现有算法识别率低, 鲁棒性差。稀疏表示理论表明过完备字典可通过少量重构系数重构样本, 从而达到降噪目的。据此提出基于稀疏表示的LiDAR点云目标识别算法。首先, 在由所有训练样本组成的过完备字典上重构样本; 然后, 计算每个测试样本在字典上的稀疏表示重构误差,并利用该重构误差判别测试样本的类别归属。实验表明, 所提算法对点云目标的识别率较现有算法均有显著提升, 并具有较高的鲁棒性。