植物叶片的空间形态结构是植物基因表达、资源获取和生殖繁衍等生命属性特征的载体,其表型参数是反映植物生长状况,评估碳储量以及碳汇能力的重要指标。在为数众多的表型参数中,叶倾角(Leaf Angle)表示了植物叶片的空间取向;叶面积(Leaf Area)直接反映了植物的生产力。目前,在测量叶倾角方面,通常用量角器和叶倾角仪法;在测量叶面积方面,通常用称重法、叶面积仪法、数字图像处理法等,而这些方法会对测量的植物叶片组织产生一定程度的破坏,且存在工作繁琐、设备昂贵等缺点。针对这些问题,本文通过价格低廉的Kinect传感器对叶片进行三维重建,并测量植物的叶面积和叶倾角,论文的主要贡献包括:(1)针对目前三维重建中通常采用三维激光扫描仪和地基激光雷达作为数据采集设备,但其价格昂贵的问题,本文采用价格低廉且方便携带的Kinect传感器作为采集设备获取植物点云数据。针对测量植物叶面积通常采用叶面积仪,其精度高,但当叶片面积较大时超出量程导致无法测量,以及称重法和方格法测量叶面积时操作简单但费时费工的问题,本文提出利用Kinect传感器进行三维重建后分别测量不同种类大小的叶面积。(2)针对目前通常采用量角器或者叶倾角仪等传统方法测量植物的叶倾角,本文提出采用OBB包围盒(Oriented Bounding Box)算法对植物叶片三维点云数据建立最小外接长方体的方法。经试验表明,对点云划分二次后准确率在94%左右,大大提高了测量效率。(3)针对植物叶倾角较小时测量叶面积误差偏大的问题,本文提出采用支持向量机回归(Support Vector Regression,SVR)算法进行拟合,主要通过对不同角度的法向量和测量叶面积作为输入训练集进行回归,得到估测实际叶面积模型,最后通过测试集验证回归模型的有效性。