El reconocimiento de objetos en la nube de puntos LiDAR juega un papel importante en la robótica, la teledetección y la conducción automática. Sin embargo, es difícil representar completamente la información de características del objeto solo utilizando la información de la nube de puntos. Para abordar este desafío, propusimos un método de reconocimiento de objetos en nube de puntos que utiliza compensación de imagen de intensidad, la cual es altamente descriptiva y computacionalmente eficiente. Primero, construimos el marco de referencia local para la nube de puntos. En segundo lugar, propusimos un método para calcular el ángulo de desviación entre el vector normal y el marco de referencia local en el vecindario local de la nube de puntos. En tercer lugar, extraímos la información de contorno del objeto de la imagen de intensidad correspondiente a la nube de puntos, llevamos a cabo la Transformada Discreta de Fourier en la secuencia de distancias entre el baricentro del contorno y cada punto del contorno, y tomamos el resultado obtenido como característica de contorno de la Transformada Discreta de Fourier del objeto. Finalmente, repetimos los pasos anteriores para los datos previos existentes y marcamos los resultados obtenidos como la información de características del objeto correspondiente para construir una biblioteca de modelos. Podemos reconocer un objeto desconocido calculando la información de características del objeto a reconocer y comparando la información de características con la biblioteca de modelos. Probamos rigurosamente el método propuesto con datos LiDAR de un arreglo de diodos de fotones de avalancha y comparamos los resultados con los de otros cuatro métodos. Los resultados experimentales muestran que el método propuesto es superior al método de comparación en términos de descripción y eficiencia computacional, y que puede satisfacer las necesidades de aplicaciones prácticas.