点云是通过对物体表面采样得到的散点集合，常用于三维模型的表面重建。对于树木这样有大量小分支的物体，传统的表面重建算法往往效果不理想。常见的做法是先提取树木点云的骨架线，再基于骨架线辅助网格模型重建。除了辅助重建，点云骨架线还可用于生成模型骨骼动画、物体拓扑分析等。因此提取点云的骨架线具有重要的研究价值。提取点云骨架线的挑战主要在于：点云存在一定的噪声数据；点云经常因为遮挡效应导致部分数据缺失；点云的密度经常是不均匀的。这些问题使得点云的拓扑信息的提取变得困难。为了提取更准确的点云骨架线，本文做了如下工作：
　　①为了减少点云噪声、不均匀密度对骨架线提取带来的影响，设计了一种数据预处理方案，先通过空间栅格结构对点云降采样，然后使用密度加权局部最优投影算子对点云重采样。
　　②本文提出了一种基于k邻居收缩的树木骨架线提取算法。算法通过迭代式的基于k邻居搜索的收缩过程将树木点云转化为具有骨架线形态的点云，在收缩过程中通过对每轮迭代位移进行各向异性加权来提高对数据不均匀分布的鲁棒性。然后从骨架化点云中采样并提取图结构的骨架分支，通过DBSCAN算法搜索树木点云的分叉区域并提取出分叉点，将骨架分支和骨架点连接以形成骨架线。
　　③考虑到遮挡效应带来的点云数据缺失，提出了一种骨架线修补算法。该算法同时考虑骨架点之间的欧式距离、骨架分支夹角、长度比等因素，对骨架线的缺失部分骨架线进行修补，确保骨架线是连通图。
　　④提出一种骨架线后处理方案，对局部点云使用椭圆拟合以改善骨架点的居中性，使用Cardinal样条插值技术改善骨架线的平滑性。
　　④本文设计了量化评估实验，通过对比骨架的三种距离度量来直接评估骨架线提取算法的准确性，通过对比骨架引导下生成的网格模型的平均距离来间接评估骨架线提取算法的有效性。实验结果表明，本文提出的算法能够在真实树木点云上有效地提取出有保留原始树木拓扑结构的骨架线，并且能够有效地辅助树木重建。