En el pasado, se han aplicado muchos algoritmos para la extracción de árboles individuales en tres dimensiones (3-D) utilizando datos de escáner láser aéreo (ALS). Los algoritmos basados en agrupamiento se utilizan ampliamente en diferentes aplicaciones, pero rara vez se emplean en el campo de la silvicultura utilizando datos de ALS como entrada. En este artículo, se realizó un estudio cualitativo comparativo utilizando mecanismos de particionamiento iterativo y agrupamiento jerárquico, y datos de ALS de forma de onda completa como entrada para extraer los árboles individuales/copas de los árboles en su forma más apropiada. Los datos de LIDAR de forma de onda completa se recopilaron en el área del bosque negro de Waldkirch, en la parte suroeste de Alemania, en agosto de 2005, con una densidad de 4-5 puntos/m2. Ambos algoritmos de agrupamiento se utilizaron en su forma original y modificada para un análisis cualitativo comparativo de los resultados obtenidos en forma de clústeres individuales que contienen puntos 3-D para cada árbol/copa de árbol. Se encontraron un total de 378 árboles en toda el área de 1.2 ha, con alturas que varían de 15 m a 50.9 m. El bosque contiene principalmente árboles más viejos con especies de hoja caduca, coníferas y mezclas. Los hallazgos mostraron que entre los tres tipos de métodos de agrupamiento aplicados (k-means normal, k-means modificado y agrupamiento jerárquico), el algoritmo k-means modificado que utiliza puntos semilla externos y reduce la altura para la inicialización del proceso de agrupamiento fue el método más prometedor para la extracción de clústeres de árboles individuales/copas de árboles. Se llevó a cabo una reconstrucción 3-D de los clústeres individuales extraídos utilizando el algoritmo QHull. En este estudio, no fue posible validar cuantitativamente el resultado debido a la falta de datos de inventario de campo.