虚拟植物是一种潜在的有利于理解、表达和模拟植物形态结构及生长发育的有效工具。在非破坏性的前提下,三维激光扫描技术能够自动、快速、准确、高密度地获取目标物体表面的三维采样点(即点云),在农林业资源调查中有着巨大的应用潜力。基于实物测量数据重建高精度的树木模型成为现阶段的研究热点,也是虚拟森林环境、虚拟地理环境等领域的重要研究方向。本研究综合集成多种算法,改进研究团队现有基于点云数据的树木三维重建软件PC2Tree,主要研究内容和成果如下:(1)分析现有计算机植物(树木)三维建模方法的优缺点,重点综述了基于激光点云的树木三维重建研究现状,总结了基于激光点云的树木三维模型重建方法的优势。(2)针对树木形态的复杂性,采用基于点云数据轴向分布密度与近邻点点云主方向的相似性进行枝叶分割。首先采用主成分分析法(Principal Component Analysis,PCA)对点云法向量进行估算;然后采用法截线拟合法(Chord And Normal vectors,CAN)求解主方向。在枝干部分,局部点云呈圆柱分布且主方向朝向基本一致,与枝干局部轴线持平行状态;在叶子部分,点云主要呈现体分布且主方向的分布无规律。根据不同部位的点云分布及点云主方向的朝向规律对树木点云进行枝叶分离。(3)树木不同部位采用不同方式提取骨架点,进而形成三维模型。枝干骨架点提取方法为:对枝干点云进行水平集的划分;将每一水平集的点云集合投影到相应的最优切平面;对投影点进行圆拟合,拟合圆心即为该水平集的骨架点,拟合半径即为该水平集对应枝条的半径。冠层骨架点提取方法为:基于下采样技术,对冠层点云进行抽稀,获取冠层特征点。结果表明,依据提取的骨架点进行枝干重建,重建模型与原始点云的吻合度高,可完整表示树干的形态;冠层特征点较好地表达了树木冠层轮廓的凹凸特性。(4)根据树木三维几何模型提取树高、冠幅、胸径、体积等参数,并采用目视检查和定量分析两种手段分析模型精度。目视检查是通过将枝条模型与分割出的枝干点云叠加、最终模型与原始点云叠加进行比较,可以直观检查模型与点云的吻合度。定量化分析同时采用实测数据和第三方软件重建后的模型参数进行对比计算,结果表明,树高、冠幅、胸径的误差范围分别为:3.02%~5.05%、2.57%~3.63%、2.83%~8.05%;但体积参数仅用第三方软件SimpleTree进行对比,其准确度有待进一步考察。(5)针对PC2Tree直接根据点云进行整体建模方法的不足,引入树木枝干与叶子点云的分离、改进PC2Tree枝条半径计算方法,提高了树木三维模型自动重建精度。