叶片属性估计对于理解植被中的光合作用、呼吸作用、蒸腾作用以及碳和养分循环以及评估植物或森林的生物学参数至关重要。地面激光扫描(TLS)能够在树枝和叶片尺度上提供各个树木的详细特征,并提取树干和树冠的准确结构参数。在本文中,我们开发了一种基于计算机图形的3D点云分割方法,可从单个叶片中准确有效地检测树叶及其形态特征(即叶面积和叶角分布(方位角和叶倾角))。为此,我们采用具有自适应半径的球面邻域模型来提取具有不同形态结构和复杂空间分布的单个叶片的中心区域点;同时,定义了四个辅助标准,以确保提取出的各个叶表面的中心区域点的准确性。然后,使用基于密度的带噪声的应用程序空间聚类(DBSCAN)算法对叶片的中心区域点进行聚类,并获得与每个叶片表面相对应的中心点。我们还基于提取的每个叶片表面的中心点和两个与形态相关的参数,使用高级3D分水岭算法对单个叶片进行了分割。最后,通过分析分段的单叶点云来计算和评估叶属性(叶面积和叶片角度分布)。为了验证最终结果,在野外活动期间手动测量了实验树木上指定叶片的实际叶片面积,叶倾角和方位角数据。此外,还对分割算法中的参数进行了敏感性分析。结果表明,所提出的方法对于从扫描数据中提供有关单叶和植被结构的准确、详细的信息是有效且可操作的。此功能有助于改进应用程序,例如估计叶面积,叶片角度分布和生物量。三维树木几何结构的复杂性,使得真实的3维树木模型的构建过程十分复杂。许多研究一直集中在重建基于TLS的三维树干结构,但叶片作为树木的重要组成部分,由于其结构的复杂性和数据量大的问题,往往被简化为将整体树冠模拟为几何模型的操作。因此本文开发了一种重建真实三维树(包括树干和叶片)的简单方法,该方法基于准确提取到的树冠的特征参数以及树干的分级枝干结构参数有关的点云空间分布的组合信息,从而实现对单棵树木的精准建模。我们对三棵真实的树木(包括树干、树冠)实现了3维重建操作,结果表明,三维重建模型与实测点云数据具有良好的一致性,重建的树可以满足计算机仿真模型的基本要求,并保持与真实树的林间间隙分数高度相似。尽管该方法受到点遮挡效应的限制,但该方法在视觉上和三维结构的定量评价中都得到了令人满意的一致性。