树木三维模型的精确重建对于模拟其生长发育过程有着十分重要的意义。随着虚拟技术的飞速发展,基于实测数据的树木三维可视化已成为虚拟植物领域中一个研究热点。本文以单株阔叶树为研究对象,采用地面激光扫描仪(TLS)获取树木真实三维点云数据,分别提出了:基于LCCP和K-means++的分割算法用来实现单株阔叶树叶木点云分割;基于法向量估计的去噪算法用来对分割得到的单株阔叶树叶片点云进行处理;基于水平分层和圆拟合的算法以及法向约束-空间殖民算法分别用于单株阔叶树树干和树枝骨架提取,初步实现了单株阔叶树的形态结构模拟和模型重建。为了提高模型的真实性,本文结合OpenGL开放式图形库,分别利用NURBS曲面和广义圆柱体对叶片和枝干进行三维可视化,并设计了单株阔叶树可视化系统,可以完整展示不同种阔叶树的重建过程。具体研究内容和成果如下:(1)点云数据的采集和预处理。本文使用Trimble TX8在不同时间进行了阔叶树点云数据的采集。并对扫描后的数据进行预处理。首先阐述了流形空间的优点以及样本阔叶树点云数据的流形距离计算,并以此为基础,采用直通滤波和高斯滤波分别实现了单株阔叶树点云的分离与初步去噪。实验分析了高斯滤波中邻域点数量对滤波效果的影响,并选取了最优值。经过粗处理后的单株阔叶树点云数据能够极大程度地保留阔叶树真实的形态结构,并且滤去了各种干扰数据,十分有利于后续重建过程。(2)基于LCCP和K-means++的单株阔叶树叶木点云分割算法。LCCP首先用来初步实现分割。本文充分考虑了阔叶树点云数据的特征,将曲率差引入相似性距离计算,结合点云位置特征以及局部几何特征直方图,创新性地构建了37维特征空间用于判断体素之间的相似性,完成阔叶树点云的过分割。再依据CC和SC两种判据,对过分割形成的超体素再聚类,生长同一部位的点云,实现了阔叶树叶木点云的初步分割。对于初步分割后依旧存在的部分重叠和未完全分开的叶片与枝干点云,又引入了K-means++算法进行后续的处理,有效地解决了点云连接问题。实验结果证明,该方法在处理不同大小、点云疏密程度不同的阔叶树时,都具有较高的鲁棒性和有效性。(3)基于自适应截断法与法向估计的单株阔叶树叶片点云去噪算法。本文在总结了现有的叶片点云去噪算法缺点的基础上,重新定义了叶片点云中需要去除的数据,具体为离群值和噪声值,其中离群值又分为离群簇和簇内离群点。离群簇为簇中心点与其余簇中心点之间距离大于一定阈值的簇;簇内离群点为在一个簇内与簇中心点距离大于一定阈值的点;噪声值为法线方向异常的值,而该方向是通过流形距离构建局部邻域后,经PCA计算得出的。自适应截断法用来分别计算这三类中的距离阈值和法向阈值,阈值范围之外的即为需要去除的离群值和噪声值。实验结果证明,该方法针对不同形态的阔叶树叶片均产生较好的处理效果,去噪后的叶片形状完整,与真实叶片高度契合。(4)基于水平分层和法向约束-空间殖民算法的单株阔叶树枝干骨架提取算法。本文在多次分析不同阔叶树样本点云数据特征后,发现树干与树枝点云差别较大。树干点云分布均匀,相比之下树枝点云不仅疏密程度不同,远端枝干点云还存在缺失现象。除此之外,不同树种、大树与小树之间点云数据量差距也较大,密度不同,因此考虑对不同部位采取不同处理方法。针对树干点云,水平分层后将点云投影至中心高度平面,并进行圆拟合,从而获得中心骨架点和树干半径。该方法快速且准确。文章还仔细讨论了不同分层厚度对点云特征不同的阔叶树树干骨架提取效果的影响。针对树枝点云,本文创新地提出了基于法向约束-空间殖民算法。该算法首先摒弃了原始空间殖民算法人工输入初始骨架点的方法,以待生长树枝连接树干处所处的水平层的中心骨架点作为输入,引入法向对树枝生长向量施加牵引力,并且在分叉处依据生长向量角度进行分类,实现了分叉树枝自动识别与生长。文章也对不同搜索半径、以及法向量所占生长方向不同比重对树枝骨架自动生长效果的影响进行了具体分析,尽可能地提高了单株阔叶树树枝点云骨架生长结果的真实性。(5)基于NURBS曲面和广义圆柱体的单株阔叶树三维重建。本文在分析了OpenGL开放图形库的基本功能和优势的基础上,结合C++为编程语言,利用相应绘图函数以及可视化增强处理,实现单株阔叶树的三维重建和可视化。对于阔叶树叶片,在经去噪处理后的叶片点云上选取66?个控制点,利用NURBS曲面实现叶片的三维结构重建。对于阔叶树枝干,通过绘制和旋转平移每两个骨架点之间的枝干元,生成广义圆柱体实现枝干的三维重建。文章结尾以生成后的叶片和枝干三维可视化结果为基础,结合MFC和OpenGL,设计了单株阔叶树的可视化系统界面,可提供不同树种的选取以及整个重建过程的显示等功能。