Con el desarrollo de tecnologías de fotogrametría, las nubes de puntos han encontrado una amplia gama de usos en áreas académicas y comerciales. Esta situación ha hecho que sea esencial extraer información de las nubes de puntos. En particular, se han utilizado aplicaciones de inteligencia artificial para extraer información de nubes de puntos de estructuras complejas. La clasificación de nubes de puntos también es una de las áreas principales donde se utilizan estas aplicaciones. En este estudio, se realiza la clasificación de nubes de puntos obtenidas mediante fotogrametría aérea y tecnología de Detección y Medición de Luz (LiDAR) pertenecientes a la misma región utilizando aprendizaje automático. Para este propósito, se han utilizado nueve métodos populares de aprendizaje automático. Se utilizaron características geométricas obtenidas de las nubes de puntos para los espacios de características creados para la clasificación. La información de color también se añade a esto en la nube de puntos fotogramétrica. Según los resultados de la nube de puntos LiDAR, se obtuvieron las mayores precisiones generales como 0.96 con el método del Perceptrón Multicapa (MLP). Las menores precisiones generales se obtuvieron como 0.50 con el método AdaBoost. El método con la mayor precisión general se logró con el método MLP (0.90). El método con la menor precisión general es el método GNB con 0.25 de precisión general.