Se ha realizado una cantidad significativa de investigaciones sobre la segmentación de nubes de puntos 3D a gran escala. Sin embargo, la identificación eficiente de características de nubes de puntos a partir de los resultados de la segmentación es una capacidad esencial para tareas de visión por computadora y topografía. Los métodos de descripción de características son algoritmos que convierten el conjunto de puntos de la característica de la nube de puntos en vectores o matrices que se pueden utilizar para la identificación. Aunque el histograma de características de puntos (PFH) es un método de descripción eficiente, no funciona bien con objetos que tienen superficies suaves, como objetos planos, esféricos o cilíndricos. Este documento propone un método de identificación de características de nube de puntos 3D basado en un descriptor PFH mejorado con una normal a nivel de característica que puede distinguir eficientemente objetos con superficies suaves. En primer lugar, se establece una normal a nivel de característica, y luego se calcula la relación entre la normal de cada punto y la normal a nivel de característica. Finalmente, la característica desconocida se identifica comparando la similitud de la característica etiquetada por tipo y la característica desconocida. El método propuesto obtiene una precisión de identificación general que oscila entre el 71.9% y el 81.9% para la identificación de farolas, árboles y edificios.