植物物种的基因组测序揭示了其遗传信息,而植物的表型研究揭示了基因组和环境的相互作用对植物性状的影响。建立基因与植物性状关系过程中表型分析和基因型分析同样重要。植物特征能够通过相关表型分析来确定,然而当前许多植物表型研究需要大量的人工参与,并且只在植株某个特定生长阶段开展而无法实现植物连续生长变化的研究,分析流程及结果评估存在不足。同时,为了应对快速增长的世界人口和全球环境变化带来的挑战,需要通过基因和表型分析来选育更适应有限的资源环境和土壤条件的作物品种,来提高作物的产量和质量。因此,实现作物表型参数高效、准确、无损的测量和对作物持续生长变化及表型参数动态量化研究是作物表型研究和育种中亟待解决的问题,也是作物表型组学研究和现代农业发展的趋势。随着农作物表型组学和表型技术的发展,三维激光扫描技术也逐渐引起了高通量表型测量研究人员的关注与兴趣。因此,本文以油菜和棉花为研究对象,采用三维激光扫描技术获取油菜和棉花植株的多时相点云数据,实现作物植株主干提取、叶片分割及相关表型参数测量,完成作物相邻时期点云数据对齐、叶片器官对应关系建立及表型参数动态量化。本文所开展的研究内容包括:(1)点云数据采集:比较基于多幅影像重建和三维激光扫描技术采集的油菜点云,在后期研究中采用三维激光扫描技术获取油菜和棉花植株的多时相原始点云数据并对点云数据进行预处理;(2)作物器官分割:(1)主干提取,蕾薹期油菜和棉花植株主干趋于笔直,故采用RANSAC算法结合直线模型实现作物植株主干提取;(2)叶片分割,苗期油菜未长出主干,植株呈莲座状,使用基于凹凸性的方法对苗期油菜点云进行叶片分割,对蕾薹期油菜和棉花植株主干提取后的点云使用欧式聚类算法完成叶片聚类;(3)多时相点云数据对齐及叶片对应关系建立:使用采样一致性初始配准算法完成同一株作物相邻时期点云对齐,在对齐基础上建立了相邻时期作物叶片器官的对应关系;(4)表型参数量化包括:(1)株高,根据点云计算的株高与人工测量结果相对误差均不超过2.5%;(2)叶片数目,作物叶片分割后统计叶片数量与人工统计的叶片数量一致;(3)叶片长度和宽度,点云计算的作物叶片长度、宽度与人工测量的叶片长度和宽度相关性较高,相关性均超过0.99;(4)叶片面积,对封装的叶片计算三角网格面积之和即可得到叶片的面积;(5)植株体积,对每个时期的植株点云,从植株顶部对植株进行正投影并计算投影面积,结合株高完成植株体积测量。将作物相邻时期的表型参数进行对比实现作物表型参数动态变化量化。经过一系列试验证明,针对获取的作物多时相点云数据,利用本文中的相关算法可以无损、准确的提取作物表型参数并实现作物表型参数的动态量化,从而为油菜、棉花等作物表型组学研究提供方法及精度更高规模更大的数据支持,同时指导实际的作物生产。