随着精准农业、数字农业的不断发展,将先进的计算机视觉技术应用到农业生产中逐渐成了相关领域的研究热点之一,更兼作物表型学的研究如火如荼,最终导致了能够反映作物生长状态的三维重建研究的火热。然而有别于建筑、机械等形态上具有一定规律和特点的目标的三维重建,作物本身结构复杂、形态各异,缺乏明显的属性规律,这都导致了作物三维重建的难度较大,因此通常只有昂贵复杂的设备才是作物三维模型精准的保证。也因此,如何以现有方法为基础,在成本相对低廉,实验简单易操作的条件下准确、便捷的获取精度符合研究要求的作物三维模型,并进行表型参数提取是三维重建技术能否在作物生产领域推广,以及与作物表型学相结合助力遗传育种发展的重要环节。当前,三维重建技术在工业、建筑、文物保护等方面应用广泛,但在农业生产中应用较少,而多视角图像以其蕴含的丰富的空间位置信息给作物三维重建提供了一种可能,以多视角图像为目标的三维重建具有设备成本低、图像采集简单等优点,并且理论上围绕目标拍摄的多视角图像越多,重建细节越完善,重建精度越高。将所获得的三维模型与目标的生长周期甚至基因型进行关联分析,可为掌握目标的生长发育状况,优化其遗传育种方式等提供一定的技术支撑,对作物生长动态过程监测、作物栽培指导、作物改良与育种等方面都有极大的意义。本文的主要研究内容如下:（1）自建小麦数据集。为支撑本文的研究内容,针对单株小麦进行了图像采集,围绕单株小麦以10～20度为旋转角度进行多视角图像的拍摄,并通过超绿分割等预处理手段进行背景清除,最终获得了包含1374张小麦多视角图像的数据集。（2）通过改进的SIFT（Scale-Invariant Feature Transform,尺度不变特征转换）算法提高了特征点匹配的精度与速度。利用SIFT算法自身所具有的针对尺度变换与旋转变换的不变性以及匹配的高精确性,再通过引入自适应模糊代替高斯模糊提高匹配的速度,完成小麦图像的特征匹配工作。（3）利用基于SFM（Structure-from-motion,运动恢复结构）的方法进行了小麦植株的三维点云重构,以全局式计算模式对图像进行一次性处理,提高效率的同时获得重建效果较好的三维模型。（4）基于改进的BPA（Ball Pivoting Algorithm,球旋转算法）进行了小麦植株点云表面重构。在原算法基础上改进寻找种子三角形的方法以及添加了相关校验函数以使BPA算法能够成功对小麦点云模型进行表面重构。（5）运用最值遍历、条件欧式聚类分割等方法进行小麦主要性状提取与测量,主要性状参数包括株高、最小外接矩形面积、最小包围盒体积、叶片数以及叶周长叶面积等,并与人工测量值进行了对比分析,验证所获得三维模型的适用性。实验结果表明,本文方法对于小麦植株三维重建具有较好的可视化效果,并通过所建立的三维模型对小麦的株高、叶片数等性状进行了提取,与人工测量值的对比结果符合本文的研究预期,可以为开展小麦优化遗传育种方面的研究提供一定的技术支撑。