La clasificación de objetos es información importante para diferentes áreas de transporte. Esta investigación desarrolló un clasificador de red neuronal probabilística (PNN) para la clasificación de objetos utilizando Light Detection and Ranging (LiDAR) en carreteras. El objetivo era clasificar al usuario de la carretera urbana en una de cuatro clases: peatón, bicicleta, automóvil de pasajeros y camión. Se seleccionaron cinco características calculadas a partir de la nube de puntos generada por el LiDAR de la carretera para representar la diferencia entre las diferentes clases. Se marcaron manualmente un total de 2736 registros (2062 registros para entrenamiento y 674 registros para pruebas) para entrenar y probar el algoritmo PNN. Los datos se recopilaron en tres sitios diferentes que representan diferentes escenarios. El rendimiento de la clasificación se evaluó comparando los resultados del PNN con los de la máquina de vectores de soporte (SVM) y el bosque aleatorio (RF). Los resultados de la comparación mostraron que el PNN puede proporcionar los resultados de clasificación con la mayor precisión entre los tres métodos investigados. La precisión general del PNN para la clasificación de objetos fue del 97.6% utilizando la base de datos de pruebas. También se diagnosticaron los errores en los resultados de la clasificación. Al final de este documento, también se proporcionaron discusiones sobre la dirección de futuros estudios.