农业是我国的第一产业,是国民经济建设与发展的基础产业。水稻是人们最主要的粮食作物之一。水稻的基因组研究对发展现代农作物育种技术、保障粮食有效供给具有重大意义,选育产量高、抗逆性好、营养物质利用率高的水稻新品种是新时代水稻育种和栽培领域的重要目标,向遗传学家和育种专家提供一套自动化、高效且精确的表型检测方法具有实际意义。近几年,计算机视觉技术在作物表型领域有相当广泛的应用,通过图像处理技术来提取样本性状参数并进行数学建模分析。目前已有很多文献阐明如何通过二维图像获取植物性状,而通过三维信息进行表型研究的工作则相对较少。一般而言,三维模型所存储的信息要多于二维图像,从中所能提取的性状参数更为全面,而三维模型重建是作物三维表型研究的基础。因此,本文提出一种适用于盆栽水稻三维点云的批量重建方法。本文总结了现有的基于硬件设备的三维成像技术以及基于计算机视觉的图像序列三维重建算法的优缺点及适用性,确定了适用于水稻株型的三维重建方法。本研究采用基于可视外壳的轮廓投影重建方法,文中对于可视外壳的定义进行了详细说明,并分析了该方法的重建误差来源以及所能达到的最优精度。本研究重建算法的优点在于采用了一种改进的相机标定方法,仅进行一次相机标定,即可完成批量水稻样本的重建。经过GPU算法优化,单个样本三维点云重建及着色的总耗时约为8至10分钟。此外,本文从100株水稻点云数据中提取了株高、长轴、俯视图最小外接矩形面积及长宽比、包围盒体积、冠层密度、叶片数等性状参数,并根据人工真实值对株高、长轴及叶片数的计算精度进行了评估,其中,株高及长轴的平均百分比误差分别不超过4.50%、10.47%,叶片数的预测平均百分比误差最小可达到11.58%。最后,本研究将轮廓投影重建方法与经典的运动恢复视觉方法进行了对比分析,实验结果表明轮廓投影算法重建耗时更短,重建效果更优,对于不同品种以及不同时期的水稻样本均有较高适用性,为水稻三维表型性状分析工作提供了可靠的基础。