随着三维数据采集技术的发展,农作物叶片点云数据的采集变得越来越容易。点云数据由无序点集构成,不利于直接进行农作物的表型分析,需要将其进行三角网格重建。受三维数据采集设备的限制和周围环境等因素的影响,采集到的农作物叶片点云数据常常会出现数据冗余、数据缺失的现象,传统方法在三角网格重建时会产生多层次、非流行、边界不平滑的曲面。因此,需要探索更为有效的农作物叶片点云数据的三角网格重建技术。本文提出了一种基于农作物叶片的三角网格模板匹配变形的三维重建框架。该框架首先提取农作物叶片点云数据的骨架信息,通过骨架确定点云叶片上的采样点,对采样点及其邻域构建点对特征直方图,然后计算模型的形状距离分布曲线进行模型相似性度量,检索出与农作物叶片点云数据最相似的三角网格模板,最后将最相似的网格模板进行变形得到农作物叶片点云数据的三角网格重建模型。主要工作如下:1.提出一种基于自适应加权算子的农作物叶片点云骨架提取方法。该方法通过构建自适应加权算子来计算农作物叶片点云的骨架约束点集,并引入主曲线对骨架约束点集进行拟合得到优化的叶片点云骨架。该方法使用的点云完整性权重可以提升缺失叶片点云的骨架提取效果。对比利用完整叶片点云和手动去除部分点形成缺失叶片点云的骨架,二者的Hausdorff距离和叶长的比值低于1.3%。2.提出一种基于点对特征直方图的农作物叶片三维模型检索方法。该方法通过农作物叶片骨架确定模型采样点位置,构建每个采样点的点对特征直方图,然后综合模型所有的点对特征直方图构建模型的距离矩阵,在此基础上利用累计分布的思想计算模型的形状距离分布曲线作为模型的描述符进行相似性度量,最终在农作物叶片网格模板库中检索出与农作物叶片点云数据最相似的三角网格模板作为结果,为后续的网格变形重建提供了优质的模板。3.提出一种基于网格变形的农作物叶片三角网格重建方法。通过累计每个单元的刚度偏差构建网格变形的刚度能量函数,并利用农作物叶片点云数据的位置信息作为约束,实现了对网格模板的保刚性变形,得到最终的农作物叶片的三角网格重建结果。大量的实验结果表明,该方法在重建时可以很好地避免多层次、非流形、边界不平滑的三角网格曲面的产生,取得了比传统方法更好的重建结果。