骨架能抽象反映出植物模型的拓扑结构以及几何形态特征,是三维模型匹配、检索和表面重建的基本要素,因而被广泛应用于植物建模领域。目前植物模型建立的方法有基于图像的建模法、基于植物生长规则的过程建模法、基于人工草绘的建模法三大类,在林业测量与树木建模方面,利用数字近景摄影测量技术可以得到植物模型,但无法提取出准确的树木生长和几何形态参数。基于规则的方法需要一定的植物学专业知识,通过定义和调整几何参数来确定植物的三维形态。基于人工草绘的方法可以生成外观逼真、形态各异的虚拟植物。随着三维激光扫描技术在近十几年间不断改进,物体表面点云数据的获取速度和准确率都在快速提升。三维激光扫描技术具有自动快速、不直接接触物体就可测量的特点,密度、精度都较高是其实时所测数据最大的优点。用三维激光对树木植株进行扫描来得到大规模的树木表面三维点,进而测量树木生长的几何形态并从中提取其生理参数的研究,已然是近些年来林业领域的热点之一。本文的研究重点是基于树木枝干的点云数据构建出单棵树木骨架。本文的主要工作总结如下:(1)从实现扫描的原理以及扫描技术特点等方面对三维激光扫描技术进行探究,总结了使用激光扫描仪对树木数据采集过程中的注意事项。掌握了三维点云数据的组织与检索方法,使用Kd-tree结构存储点云数据。(2)掌握了点云数据的精确配准方法,研究了点云数据的初始去噪算法,通过实验比较了拉普拉斯去噪、均值滤波去噪、双边滤波去噪、最小二乘法去噪等算法,在拉普拉斯算法去噪的基础上进行参数调整实现初始去噪。对分层后的数据运用空间点邻域关系配合均值标准差的方式进行二次去噪,综合两次去噪实现了更好的去噪效果,能够较好的保护模型的特征,减少对模型造成的变形和磨损,边缘更加清晰。(3)设计和实现了一种构建树木植株枝干骨架的方法。对树木枝干点云进行分段分割并进行二次去噪,引入K-means++聚类方法来区分不同枝干并计算出骨架点,使用最小生成树算法连接不同分层的骨架点,最终构建出树木枝干的骨架线。与前人的三维点云聚类做对比,分段点云聚类可以更准确的找到枝干的骨架点,从而得到更精确的骨架模型。