树木是自然界中最为常见的植被之一,其种类繁多、姿态各异,充分体现着大自然鬼斧神工的创作力。随着科技的推进和发展,人们希望和需要在计算机虚拟空间里模拟出自然界的真实场景,以便于后续在科研、娱乐、生活中的使用,因此树木作为自然界中最为普遍的组成成员,就自然的成为了极为重要的组成部分,同时也因为它们纷繁复杂的姿态,使得其结构建模过程难度非常。随着三维激光扫描技术的发展,使得基于几何结构的树木枝干精细建模成为可能。本文针对基于点云数据的树木枝干模型自动重建技术,进行了如下几个方面的研究:1)针对地基激光雷达作业时需多角度多站扫描的特点,研究实现了标靶自动化配准方法,从而极大的减少了野外采集数据的工作量以及简化了后期进行数据配准的复杂性。2)研究适合树木枝干点云数据特点的局部最优化聚类方法,并使用合适的数据结构来解决海量点云数据的存储和查询效率问题。文中将采用Kd树结构进行点云组织和管理,并使用K-平均聚类方法来得到最大程度保留树木枝干弯曲延伸特征的点云集合。3)骨架点提取及骨架线连接方法研究。该部分是基于点云的树木枝干模型重建方法中最为核心的研究内容。骨架结构主要包含四大关键参数,即骨架点位置、骨架点半径、骨架点方向以及骨架点间的连接关系。本文对关键参数的求解给出了圆柱拟合和圆拟合两种解决方案,并通过大量真实数据的结果进行对比分析。4)点云重采样及表面结构重建。基于骨架点参数研究实现了点云数据重新生成,并由重新生成点云数据的过程和特点,实现了点间连接关系,从而得到最终的树木枝干表面结构,该结构是一种由点云数据规律性连接而成的三角网格结构。通过实验结果和数据分析,本文所述点云处理方法能够较为真实的获得树木枝干的特征结构,并且枝干部分的走向、半径等信息最大程度的逼近树木原型。重建结果最终全部达到了我们的预期。