从小光斑机载LiDAR点云中获取结构完整的单木数据,在林业研究中具有广泛的应用。近十几年来,如何从海量LiDAR点云数据中提取单木信息,一直是国内外学者研究的重点。本文提出了一种从离散的小光斑机载LiDAR豹椐中提取单木点云的三维分割方法。首先将滤波后的LiDAR点云栅格化生成树冠极大值模型,应用传统的分水岭算法对其进行粗糙分割,并将分割区域内的高程值局部最大值点作为树梢标记；而后在各粗糙分割区域内通过高度阈值过滤潜在的树干反射点,并通过随机抽样一致算法,将水平聚类后潜在的树干点云拟合树干,以实现对树干的识别与标记；最后以树干识别中标记的树梢位置作为初始聚类中心,将滤波后的点云高程值按比例缩小,进行迭代的k均值聚类,实现了单木点云数据的三维分割。本文以美国华盛顿州西部国会森林的蓝岭地区为研究区域,LiDAR数据由搭载在直升机上的Saab TopEye LiDAR系统所采集,脉冲密度为每米4次且最多记录4次回波。研究结果证明,新的三维单木分割方法能够识别位于较低森林层次的矮小树木,弥补了基于树冠高程模型分割方法的局限,有效改善了在对郁闭度较高的森林中相邻树木以及位于树冠高程模型之下低矮树木的识别与分割。与直接应用分水岭算法分割相比,运用结合树干检测的分水岭方法和改进的k均值聚类方法,单木分割的精度得到明显提高。