单木结构参数作为森林资源调查最主要的测树因子,对森林生长状况的估测、森林碳库的估算等方面起着重要作用。无人机倾斜摄影测量技术以其有作业灵活、高效快捷等特点,成为目前快速准确获取单木结构参数的研究方法之一。本研究以银杏（Ginkgo biloba L.）阔叶林为研究对象,基于无人机倾斜摄影数据,实现了三维点云模型重建,获取了研究区的密集匹配点云及冠层高度模型（Canopy Height Model,CHM）;基于CHM探究了不同中值滤波窗口（3×3 m、5×5 m、7×7 m）以及不同局部最大值法窗口（3×3 m、5×5 m、7×7 m）对树顶识别及树高提取的影响;运用迭代聚类法、稀疏加权矢量法提取了枝下高;对比了基于CHM的种子区域增长算法、分水岭算法、Forest CAS算法和基于点云的距离判别聚类法四种算法在单木树冠分割上的能力;最后,对研究区进行茎干点云切片,通过非线性最小二乘法、随机抽样一致算法、平均距离法、最小外接法实现了单木胸径的提取。单木参数提取精度均采用实测值进行检验。主要结果如下:（1）基于无人机倾斜影像的单木识别中,采用5×5 m中值滤波窗口下,应用5×5m移动窗口的局部最大值法进行银杏单木识别的效果最好,准确率达到了83.95%,F得分为88.15%,能够准确地探测到研究区内银杏单木树顶点;树高提取的R~2达到了0.99,RMSE为2.19 m,树高的预测值总体偏低;预测银杏单木枝下高中,迭代聚类法比稀疏加权矢量法预测准确,均方根误差为0.54 m,预测误差在20%以内。（2）基于无人机倾斜影像的单木树冠分割中,基于CHM的种子区域增长算法在进行银杏阔叶林树冠分割上效果最佳,预测树冠面积和单木冠幅的R~2均达到了0.9以上,均方根误差分别为1.79 m~2、0.99 m。（3）基于无人机倾斜影像的单木胸径提取中,非线性最小二乘法、随机抽样一致算法、平均距离法、最小外接法均对实际胸径产生了不同程度的低估。其中,最小外接法在预测银杏阔叶林胸径的结果最好,R~2与RMSE分别为0.86、9.13 cm。研究证明,无人机倾斜摄影测量技术为银杏阔叶林树高、冠幅、胸径等单木结构参数提取提供了一个方便、高效、准确的方案,彰显了无人机倾斜影像技术在进行自动化、精准化单木识别与分割方面上的优越性,可为智能化、高效化的森林调查方式提供新的技术支撑。