El presente proyecto es desarrollado en el semillero SI2C del grupo D+TEC de la Universidad de Ibague, consiste en el desarrollo de un algoritmo de clasificacion supervisado para el reconocimiento de elementos de escena en el ambito urbano, partiendo de nubes de puntos adquiridas por un sistema de adquisicion especializado en el LAAS (Laboratory for Analysis and Architecture of Systems) a partir de un sensor LiDAR a bordo de un UGV (Unmanned Ground Vehicle). Los clasificadores utilizados fueron Random Forest (RF), Support Vector Machine (SVM), AdaBoost, Neural Network (NN) y Gaussian Naive Bayes, los cuales, fueron entrenados con descriptores de caracteristicas 3D, 2D e informacion de forma de onda completa, siendo este ultimo el aporte generado hacia los trabajos ya desarrollados. Los clasificadores fueron evaluados mediante el indicador F1-score, obteniendo un promedio de puntuaciones hasta de un 86% de precision, logrando asi, un clasificador con altos indices de acierto y demostrando la contribucion que brindan los descriptores propuestos con base a la informacion obtenida a partir de las caracteristicas de onda completa, respecto a los descriptores convencionales.