准确高效地提取人工林林木参数可为估算单木材积、林分蓄积量提供关键信息。本文提出基于机载LiDAR数据的高精度单木参数提取方法，其实现过程包括数据预处理、地面滤波、单木分割和参数提取。以福建省沙县官庄国有林场的福建柏大径材人工林为试验区，采集高密度机载点云数据，对点云进行去噪、重采样等预处理。使用布料滤波算法(CSF)分离出植被点云和地面点云，并采用Delaunay三角网法将植被点云数据插值生成数字表面模型(DSM),采用反距离加权插值法将地面点云数据插值生成数字高程模型(DEM),两者作差运算获得冠层高度模型(CHM)。利用分水岭分割算法分析不同分辨率的CHM对单木分割及参数提取精度的影响。采用点云距离聚类算法对归一化植被点云进行单木分割，分析不同的距离阈值对单木分割及参数提取精度的影响。结果表明：使用分水岭分割算法处理0.3　m分辨率CHM单木分割调和值最高，达到91.1%,提取的树高精度较优，决定系数(R~2)达到0.967,均方根误差(RMSE)为0.890　m;使用间距阈值为平均冠幅的点云分割算法单木分割调和值最高，达到91.3%,提取的冠幅精度较优，R~2为0.937,RMSE为0.418　m。估算该试验区的树高、冠幅、株数和树木的空间分布等信息发现：共有福建柏5994株，平均树高为16.63　m,平均冠幅为3.98　m;树高在15～20　m区间的数量最多，有2661株，其次是10～15　m。本林木参数提取方法可为人工林资源监测和管理提供技术支撑。