點云分割是點云識別與建模的基礎。為提高點云分割準確率和效率，提出一種結合超體素和區域增長的自適應分割算法。根據三維點云的空間位置和法向量信息，利用八叉樹對點云進行初始分割得到超體素。選取超體素的中心體素組成一個新的重采樣后的密度均勻點云，降低原始點云數據處理量，從而減少運算時間。建立重采樣后點云數據的K-D樹索引，根據其局部特征得到點云簇。最后將聚類結果返回到原始點云空間。分別選取植物三個物候期的激光掃描點云，對該方法的有效性進行驗證。實驗結果表明，該方法分割后點云與手工分割平均擬合度達到93.38%，高于其他同類方法，且算法效率得到明顯提升。