1.一种基于地基激光雷达点云数据的叶面积求解方法，其特征在于，包括以下步骤：步骤1、地基激光雷达点云数据的叶片点云数据提取：

将目标区域的原始地基激光雷达点云数据进行地面点滤波和枝叶分离处理，从原始地基激光雷达点云数据中提取出叶片点云数据来得到叶片点；

步骤2、单叶分割：

(1)将步骤1所得叶片点作为输入，叶片点默认编码为0并均设定初值为 在其中任意寻找一编码为0的叶片点 并将寻找的该点叶片编码设置为K，K≥1，同一片叶片上所有点的叶片编码相同；

中上标为该点的叶片编码，因为各点编码为默认编码所以初值为0，当某点确定叶片归属时变为 下标i代表该点为对应编码K集合中的第i个点，i随着K叶片中点数增加分别编号赋值；

(2)遍历编码为0的叶片点集合，并求解每一点 与编码为K的各点 之间最小的欧氏距离Rmin，欧氏距离R的计算公式如下：其中(xa，ya，za)，(xb，yb，zb)分别代表了点a与点b的坐标，点a、b分别对应为点 和如果 与 各点之间的最小欧氏距离Rmin小于给定阈值Rth，其中Rth的数值设置为地基激光雷达数据的空间分辨率的1～10倍，则认为该点 属于编码为K的叶片，将 的编码设置为K和对应的i，即如果 与 的各点之间的最小欧氏距离Rmin大于Rth，则认为该点不属于K叶片，则 占的编码保持不变；

直至没有一次遍历中有新的点 被编码为K，则认为叶片编码为K的叶片已经被完整的分割出来；

(3)如果叶片点中编码为0的集合S不为空，则将此时的集合S作为(1)的输入，将K的值赋为K+m，m为步骤(2)的循环执行次数，继续循环执行(1)至(2)直至当所有的叶片点的编码都不为0时，即集合S为空，执行步骤3；

步骤3、叶片叶面积求解：

利用Alpha‑shape算法对步骤2所得各编码的点集建立包络面，并求解各个包络面的表K面积Area ，其中上标表示该表面积是编码为K的点集建立的包络面的表面积，取包络面表面积的一半为该叶片的叶面积；

步骤4、总叶面积求解：

将步骤3得到的所有编号叶片的叶面积进行累加，即可得到总叶面积；

总叶面积的具体物理含义由输入的点云数据决定：如果输入的点云数据为单木的点云数据，则得到的总叶片面积为一棵单木的总叶面积；如果输入的点云数据为林分的点云数据，则得到的总叶片面积为该林分的总叶面积。

2.如权利要求1所述基于地基激光雷达点云数据的叶面积求解方法，其特征在于：所述步骤2中Rth设置为地基激光雷达点云数据的空间分辨率的2～3倍。