农业信息化是农业现代化的制高点,推动信息技术与农业全面深度融合,是提高粮食产量与品质的重要战略。农业信息化与作物高通量表型信息获取息息相关,精准快速地获取作物表型参数可以反映作物的生长发育状况、品种质量、营养状态等信息,是稳定粮食增产、保障粮食安全的技术手段,对作物生长过程的研究,可以了解作物形态结构的动态变化,认识环境和基因对作物的共同影响,为推进种业领域发展和开展重大品种研发提供帮助。因此基于准确的作物表型信息开展的生长过程动态变化模拟对于制定合理种植方案、优良作物育种、农作物精准培育等具有重要意义。传统的作物形态参数测量和生长过程研究多采用实地测量方法,存在过程繁琐、耗时费力、主观性强等问题,通过三维激光扫描技术可以准确地获取作物群体三维激光点云,实现作物形态参数的精准测量,研究作物全生育期的生长变化过程,实现作物的生长过程动态模拟。玉米是我国重要的粮食和工业原料作物,与我国粮食产量的提高关系密切,玉米优良品种的培育对于粮食安全意义重大。获取准确的玉米形态参数,实现玉米生长过程中形态参数的动态监测,对玉米的精准培育、良种培养以及表型研究有着重要意义。本文基于三维激光扫描技术,以农田环境下玉米群体为研究对象,对玉米群体点云的配准、精简、目标提取与分割和玉米群体形态参数量测、生长动态模拟开展研究,实现了田间玉米三维目标的提取与精细化量测,分析了玉米形态参数的生长变化情况,建立了玉米形态参数的生长动态模拟模型。论文主要的工作和研究成果如下:（1）玉米群体点云采集及预处理:基于玉米农田试验场景制定了玉米群体点云数据的采集方案,实现完整玉米群体点云的获取,并对玉米群体点云进行预处理,基于标靶球的点云配准方法,以标靶球信息为配准基础,实现不同测站点云之间的配准,配准误差在1.81mm-3.70mm之间,通过曲率采样方法将点云数据简化为原始数据的20%左右,保留作物群体的几何结构特征。（2）玉米群体点云数据分割:基于超绿指数方法实现玉米植株和土壤背景的分离,分离精度在88.87%-98.79%之间,提出了一种结合柱体空间和连通区域分析的单体植株分割方法,实现玉米群体点云中玉米单体点云数据的分割,并在此基础上提出了一种基于RANSAC圆柱拟合的叶茎分割方法,实现了玉米叶片和茎秆的分离。（3）玉米群体植株形态参数量测:基于玉米群体点云分割结果实现玉米不同时期植株高度、茎秆高度和宽度以及叶面积密度、叶夹角各形态参数的测量。通过RANSAC算法拟合土壤平面,计算玉米植株顶点到土壤平面的垂直距离,实现玉米株高的测量,基于RANSAC圆柱拟合结果实现茎秆高度的测量,基于最小二乘法的椭圆拟合方法实现茎秆宽度的测量,基于三维体素法实现叶面积密度的测量,基于RANSAC圆柱拟合和欧氏距离聚类提取叶片,实现叶夹角的测量。对测量得到的5种形态参数结果进行精度评估,与实测数据进行线性回归分析,株高、茎高、茎宽和叶面积4种参数的决定系数在0.9873以上,RMSE在0.0617以内,叶夹角为0.8721,RMSE为2.2734,相关性较强,误差较小。（4）玉米群体生长动态模拟:通过对田间玉米全生育期各形态参数的测量,研究玉米的生长变化过程,分析玉米形态参数的动态变化和垂直结构上的叶面积动态变化,完成玉米形态参数的动态量化,建立田间玉米形态参数的动态模拟模型,实现田间玉米完整周期的生长动态模拟。对建立的生长动态模拟模型进行检验,与测量值进行线性回归分析,玉米各形态参数动态模拟模型在0.9568以上,均方根误差在0.0078以内,模型精度在0.9781以上,拟合效果较好,总体精度都较高。