树木可视化建模对于树木生长模拟和经营模拟具有重要意义和广阔前景。三维激光扫描技术的不断升级和可视化技术的不断革新,通过点云信息实现植物的可视化模拟逐渐成为林业可视化的热门领域。相较于传统的激光扫描仪,目前的激光扫描设备在扫描精度、扫描速度和匹配精度都有大幅的提升。在此基础上,以往因扫描设备精度不足而导致的数据残缺、数据丢失等问题得到了很好的解决。通过多站式地面激光扫描（Terrestrial laser scanner,TLS）的方式可以采集更加完整、更高精度的树木点云数据,从而大幅提升树木内部结构的解析能力。因此本文以多站式激光扫描获取的不同类型的单木点云为研究对象,分析树木点云的形态结构及其参数,并以此构建可视化模型实现虚拟树木模型展示。具体内容分为以下几个部分:（1）方案规划和数据预处理。主要分为:数据采集、配准、滤波和高度归一化四个步骤。使用天宝TX8扫描仪并规划了多站点采集方案在不同季节采集了不同类型的树木点云数据;使用Trimble Realworks软件实现点云的初步配准和二次迭代校正;在获取融合点云的基础上,采用统计滤波实现了树木点云的初步去噪;在单木分割的基础上,采用树干中心线与拟合地平面交点法,通过单独分析每棵树与地面倾斜程度特征,实现高度归一化校正。通过实验分析并选取了最优邻近点数量和离群阈值,在去除干扰点的同时保证了树木形态的完整性,对于后续重建过程十分有利。（2）单木参数的提取算法。本文使用了局部极值、3次B样条曲线拟合和自适应阈值体素分割等算法进行单木参数提取。在高度归一化的基础上,通过寻找树木主干中心线与拟合地平面的交点作为树高测量最低点,继而采用局部极值法寻找树木点云中的主干最高点,根据最高点和最低点之间的距离计算树高。在树干胸径提取的过程中,考虑树木枝干的不规则特征,传统的最小二乘法圆拟合曲线与自然生长的树木胸径曲线不符合。因此,引入B样条曲线拟合,针对在圆拟合过程中偏差较大的点云,创新性的构建了树木胸径曲线拟合算法,提高了树木胸径参数提取的精度。在提取树木枝下高参数的过程中,先构建3cm*3cm*5cm的体素网络,接着采用了与传统的固定阈值不同的自适应阈值分割方法并加入多视角分析,最终从多个角度的分割阈值中取最小值作为最终的树木枝下高参数。最后采用传统削度模型M ing Li L计算树木削度方程。实验结果表明,相较于以往的参数提取算法,本文提出的算法对胸径（DBH,Diameter at Breast Height）、枝下高（CBH,Crown Base Height）和树高参数的提取误差分别降低了29.4%,15.6%和31.7%,对应的RMSE分别为0.532cm,0.092m和0.327m,且本文的方法对不同种类树木的参数提取具有较高的有效性和鲁棒性。（3）骨架提取和可视化建模。本文采用了基于邻域特征的支持向量机（Support Vector Machine,SVM）算法实现单木点云枝叶分离。在此基础上实现了骨架提取并通过广义圆柱拟合实现了可视化建模。首先通过KDtree对树木点云进行预分类,接着提取预分类点云的邻域特征作为SVM中区分枝干和树叶的特征因子,通过SVM训练获取枝叶分离后的点云数据。然后在枝叶点云分离的基础上实现骨架点提取,并对提取的骨架点进行连接和平滑优化。其分别采用基于最小二乘法的圆柱拟合质心提取、KDtree算法节点结合最短距离法的骨架点连接和基于空间B样条拟合算法的骨架连接曲线优化。最后在获取的骨架结构基础上,引入枝干关系方程,通过广义圆柱拟合的方式重建单木可视化模型。实验结果证明,在处理各种树木类型的点云数据时,本文的方法都能实现较好的骨架提取和骨架连接,分割准确率达到84.2%,连接准确率达到97%。（4）单木可视化系统搭建及界面设计。本文在分析了Matlab GUI和Open GL开放图形库的基本功能和优势的基础上,以Matlab和C++为编程语言,以Matlab GUI为平台结合Open GL中绘图函数以及可视化增强处理,实现具有单木参数提取、结构分析和三维模型重构功能的单木可视化系统及界面。