玉米是世界上年产量最高的主粮。玉米的表型参数跟其生物量和产量有着密切的关系,因此,准确测量玉米的表型参数变得尤为重要。传统的玉米表型参数测量方法存在主观性强、劳动强度大、有损等问题。本文采用前期研制的小车在户外采集不同视角下的玉米植株二维图像(采集间隔大约为5～6cm),基于运动恢复结构(Sf M)算法重建玉米植株模型,运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割出单株、茎秆和叶片点云;基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。主要研究内容和结果如下:(1)以80株抽穗期的盆栽玉米为研究对象,基于Sf M重建了玉米植株的三维模型,并提取了株高、茎粗、三维叶面积和二维投影面积等性状,与人工测量值相比较,株高、茎粗、叶面积的决定系数(R~2)分别为0.970、0.842、0.901,平均绝对百分比误差(MAPE)分别为3.163%、4.760%、19.102%,均方根误差(RMSE)分别为3.557cm、1.540mm、48.163cm~2。将得到的80株玉米人工分类为低地上部生物量玉米和高地上部生物量玉米两类,通过SPSS软件将单株的株高、最小包围盒体积、茎粗和叶片数等4个性状参数做单因素方差分析,显著性差异P值分别为0.0003、0.0004、0.3170和0.2415。结果表明,单株的株高和最小包围盒体积性状参数可以显著区分低地上部生物量玉米和高地上部玉米。(2)以696个品种2748株盆栽玉米为研究对象,进行了全生育期的图像获取和三维重建,研究了外界环境因素如自然风、相机的焦距和图像的数量等对玉米植株重建效果的影响,实验结果表明:当自然风力低于2级、图像采集数量较多、焦距大小为F10时,三维重建的效果越好,能满足实际重建要求。动态提取并分析了其中25个玉米品种的全生育期株高。(3)以24株田间玉米植株为研究对象,在拔节期获取了3次植株图像进行三维重建并提取株高,与人工测量值相比,株高的决定系数为0.907,平均绝对百分比误差为6.480%,均方根误差为4.200cm。实验结果表明,该系统同样适合田间玉米的测量。