随着计算机视觉技术的快速发展和地基激光雷达(Terrestrial Laser Scanning,TLS)的不断更新,TLS已经广泛应用于建筑物测量、文物保护、医学治疗、森林资源调查等领域。在森林资源调查中,TLS是一种不接触且无破坏性的三维测量技术,能生成多视角不同分辨率的点云且具有自动化处理数据的潜力,已被广泛应用于森林结构参数提取和数字化森林模型构建中,对于森林质量精准提升以及提高我国森林资源信息化管理水平具有重要的意义。本研究首先利用快速点特征直方图算法和正态分布变换算法实现了多测站林地点云配准,然后利用八叉树算法对林地的点云数据进行压缩,并使用随机采样一致性算法完成地面点与树木点分割,在此基础上结合欧式聚类和最小割算法对树木点云进行单木分割,并对分割后的单木提取结构参数,然后利用超体聚类算法实现单木枝干和树叶的分割,最后对单木枝干和树叶点云数据进行三维重建。主要研究内容与实验结果如下:(1)为了提高海量林地三维点云数据配准的效率和精度,本研究提出了一种基于快速点特征直方图与正态分布变换相结合的配准算法。实验结果表明,该算法的平均配准误差(相应点对的平均距离)为0.0215 m,运行时间为256.3 s,与传统ICP算法相比,该算法在配准精度上有了很大的提高,能够很好地实现林地多测站点云配准。(2)利用欧式聚类算法和最小割算法对林地TLS点云数据进行分割,并比较两种算法分割的单木完整率。提取基于两种分割算法的单木结构参数,并与实际测量值进行回归分析。实验结果表明,欧式聚类算法和最小割算法都能实现样地单木点云数据的分割,但最小割算法要优于欧式聚类算法。基于最小割算法的单木结构参数与实际测量值具有高度相关性,单木的胸径、树高及冠幅的决定系数分别为0.969、0.810和0.763。(3)本研究提出了一种超体素分割和基于kd-tree纹理映射的贪婪投影三角化算法相结合的树木点云重建算法。实验结果表明,该算法能实现枝干表面和树叶等细节模型的构建,还原真实的树木形状结构和纹理色彩;通过对不同密度的树木点云数据进行测试,发现树木模型主要枝干结构得到了很好的保留,这说明了该建模算法对点云密度的变化具有鲁棒性。本论文改进的多种算法实现了森林样地点云配准、单木点云分割和单木点云三维重建,这些研究结果加强了地面三维扫描技术在森林资源动态调查中的应用,为森林样地点云配准、单木分割和建模等数据处理提供了有效的参考。