生长在高寒地区的藜麦植株,富含丰富的营养物质,并且具有耐受盐碱、低温、高海拔的优秀品质,因此成为21世纪新兴的保健型食物,但在国内的研究较少。作物的表现性状是植物生长环境和基因共同影响下的结果,探索低成本、高通量、无损的获取作物的表型是如今表型组学研究的重要环节。而现阶段传统的测量方式,人为干扰因素较多,误差较大,并且不能无损测量,且二维的图像能够表达的信息是有限的,并不能充分地表达作物的位置和形态等空间特征,而作物的三维模型则可以解决这个问题,能够真实反映作物的空间结构,因此精确构建作物的三维模型成为计算机视觉技术和育种的研究热点。本实验在这样的背景下对藜麦的三维模型建立和表型性状测量展开研究。本研究以苗期藜麦为研究对象,在植物表型平台上,以仰角、直视、低俯角和高俯角四个角度拍摄藜麦的二维图像序列数据,采用基于运动恢复结构的多视角图像的三维重建方法对苗期藜麦进行三维点云重建;搭配统计滤波和半径滤波相结合的方法对生成三维点云模型中的噪声点进行滤波去噪处理;最后对去噪后的藜麦点云进行株高、茎粗、叶面积等参数的测量和叶边界轮廓的求解,并将算法的计算值与传统测量的真实值进行比较分析。本研究获得的结果和结论如下:（1）统计滤波和半径滤波相结合的滤波对生成的植株点云进行了改进。（2）对藜麦点云进行株高、茎粗、叶面积、叶长、叶宽五个参数的测量和叶边界轮廓的求解,并将算法的计算值与传统测量的结果值进行比较分析,算法计算藜麦株高、茎粗、叶面积、叶长和叶宽的结果与传统计算的结果值之间的决定系数分别为0.89、0.82、0.94、0.84、0.91,均方根误差分别为28.29mm、0.79mm、0.40cm~2、2.27mm、2.22mm,平均绝对百分比误差分别为12.00%、24.28%、23.76%、1.66%、1.54%。计算结果与传统测量的结果值相比一致性较高。通过本文,为藜麦的三维重建及表型性状研究提供了一份参考。