基于三维机器视觉的作物无损测量对作物生长与健康研究有重要价值,具有准确、客观、自动化、可体现作物空间形态等优点。本文以第二代Kinect深度相机为主要设备,以叶菜类作物为对象,开展了作物三维重建与生长测量方法研究,主要内容和结论如下:(1)结合对Kinect的性能分析,本文构建了面向作物生长无损测量的三维重建平台与方法。其利用Kinect对置于间歇性转动的转台上的盆栽作物进行测量,通过重复采样、点云预处理、转台识别与背景分割、标记点识别、点云配准、离群点移除等步骤实现了作物多视角三维点云的自动采集,具有较好的精度、鲁棒性、易用性和较低的成本。(2)为降低作物点云噪声并解决叶片点云分层问题,本文提出了一种多视角点云降噪方法。该方法基于迭代过程通过消除点云间的干涉完成降噪,可在降噪同时保留点云局部特征,并有效修复分层的叶片点云,具有较好的鲁棒性且能保留点云拓扑关系,但较为耗时。对模拟和实际采集的数据进行的定性和定量实验表明,本文方法比TSDF(截断符号距离函数)和MLS(移动最小二乘法)在总体上更具优势,而其结果中存在的少量噪声可进一步通过MLS去除。(3)本文通过作物点云的分割、降噪、三角化、四面体化以及花盆特征识别等步骤实现了相对株高、(两种)绝对株高、总叶面积、投影叶面积、体积的自动测量,并获得了良好的作物三维点云与网格模型。对奶油生菜的批量实验表明:本文方法所得株高和投影叶面积与参考值呈线性相关,总叶面积和体积与参考值呈幂函数相关,且各组数据拟合效果均较好;而总叶面积和体积则与生物量呈幂函数相关。(4)本文使用DM(DataMatrix)码对作物进行标记,通过DM码图像形变恢复,读取作物信息并实现同株作物不同次测量所得点云的对齐。所编写的“作物三维重建与生长信息管理系统”软件对本文各方法进行了集成,具有作物数据的采集、处理与管理,以及生长动态可视化、自定义参数等功能。对多种作物的连续测量实验表明,所得生长参数均较好地反映了作物的生长动态,其中株高测量较为准确,投影叶面积则欠佳,而总叶面积、体积和生物量的准确性仍有待验证;先验模型对大部分生长参数均有一定调节作用,但对少数作物无效;所得三维点云和网格模型也较好体现了作物的形态变化。本文所构建的自动化作物三维重建与生长测量系统具有较好的准确性、集成度、易用性和普适性,且成本较低,体现出良好的应用前景。