使用while循环统计lidR分割树木点数量仅获首棵树数据的问题

你代码的核心问题是每次循环都覆盖了原始的las对象：
第一次执行las <- filter_poi(las, treeID == 1)后，las就只剩treeID=1的点云数据了。后续循环i=2、3...时，在这个已经被过滤的las里根本找不到对应treeID的点，自然只能得到错误结果。

方案1：修复循环逻辑（不推荐，效率低） #

保留原始点云对象，每次基于原始数据过滤，不要修改原始las：

las <- segment_trees(las, watershed(chm, th_tree = 1, tol = 0.5, ext = 2))

# 先保存原始点云，避免被覆盖
original_las <- las
pointlist <- list()

# 先获取所有存在的treeID，避免循环到不存在的ID（比固定循环到1000更合理）
all_treeIDs <- unique(original_las$treeID)

for (tree_id in all_treeIDs) {
  current_las <- filter_poi(original_las, treeID == tree_id)
  point_count <- nrow(current_las)  # 直接用nrow获取点数，比读header更简单
  pointlist[[as.character(tree_id)]] <- point_count
}

pointlist

方案2：高效分组统计（强烈推荐） #

R是向量式语言，用分组统计替代循环效率高得多，lidR和常用工具包都有现成方法：

方法A：用lidR自带的tree_metrics #

专门针对treeID分组计算指标，最贴合lidR工作流：

las <- segment_trees(las, watershed(chm, th_tree = 1, tol = 0.5, ext = 2))

# 按treeID统计点数，结果是带treeID和n_points的LAS对象（或数据框）
tree_point_counts <- tree_metrics(las, ~list(n_points = .N))

方法B：用dplyr分组统计 #

如果习惯tidyverse语法：

library(dplyr)

las <- segment_trees(las, watershed(chm, th_tree = 1, tol = 0.5, ext = 2))

las_df <- as.data.frame(las)
tree_point_counts <- las_df %>% 
  group_by(treeID) %>% 
  summarise(n_points = n())

方法C：用base R的table函数 #

最简单快速的方式，返回treeID和对应点数的表格：

las <- segment_trees(las, watershed(chm, th_tree = 1, tol = 0.5, ext = 2))

tree_point_counts <- table(las$treeID)

内容的提问来源于stack exchange，提问作者Purple_Ad