目的: 针对无人机激光雷达(ULS)点云在桉树人工纯林单木分割与参数估算中存在树冠重叠、树干点稀疏和噪声干扰等问题,构建一种基于语义引导的单木分割与参数提取方法,以提高ULS点云的单木分割精度和参数提取准确性。方法: 以广西南宁市高峰林场为研究区,构建完整的点云处理流程。采用深度学习模型对点云进行语义分割,将其划分为树干、树叶和地面等语义类别,同时集成基于密度的空间聚类(DBSCAN)与最近邻分配(KNN)的混合算法,利用语义信息完成单木分割。针对ULS点云在树干处点云稀疏的问题,运用树干曲线拟合方法估算胸径,并采用高度伪波形方法估算树高。在不同结构复杂度的样地中对基于语义引导的单木分割与参数提取方法进行验证,以评估其适用性和精度。结果: 该方法在桉树人工纯林中实现了较高的单木分割精度,总体召回率为0.92,精确率为0.95,平均F分数为0.93。在单木参数提取方面,树高估算的决定系数(R2)为0.98,均方根误差(RMSE)为1.03 m;胸径估算的R2为0.81,RMSE为2.96 cm。结论: 基于语义引导的单木分割与参数提取方法能够较高精度地实现桉树人工纯林ULS点云的单木分割与参数提取,证明语义引导框架在提升ULS点云独立应用能力方面的有效性,可为森林资源监测中ULS数据的高效应用提供参考。