虚拟植物三维模型不仅可以用在影视制作、游戏场景构建等文化生活领域,也可用在植物学、农学等科研领域。植物器官作为植物的重要组成部分,也是重建虚拟植物模型的重要环节。在目前的植物器官建模方法中,针对叶片的建模方法逐渐由原来的从外部特征入手过渡到从植物的发生机理出发。近年来较为有效的方法,利用L系统模拟植物叶片的形态发生机理,仅通过改变参数就能生成出多种形态的植物叶片。但由于叶片形态发生机理的复杂性,这种方法只能得到二维形态的叶片模型。针对植物块状植物器官的建模方法中,由于其生长过程复杂,目前仍以基于点云的建模方法方式为主。相比于图像、激光等点云获取方式,Kinect提供了一种成本适中且精度相对较高的点云获取途径。但目前Kinect多用于形态特征明显的物体的重建过程。而针对植物块状器官这种体积较小,形状特征较为单一的物体的建模方法的研究相对较少,且已有的方法自动化程度较低。本文利用计算机图形以及机器视觉相关知识,研究了基于L系统的三维形态植物叶片建模方法,以及基于Kinect V2 RGB-D数据的植物块状器官点云建模方法,此外设计并实现了一套植物主要器官点云建模系统。本文主要工作如下:1.提出一种三维形态叶片模型的生成方法。该方法针对Runions A等人提出的叶片形态生成方法仅能生成二维形态叶片的模型的问题,分别在叶脉、叶片边缘和叶面的生成方法上做出改进。首先以叶脉形状函数为输入以解决三维空间中叶脉生长方向的各向异性问题,以得到具有三维形态的叶脉结构。之后利用叶片边缘与叶脉之间的关联约束关系生成三维叶片边缘,进而得到三维叶片结构骨架。之后通过采样剖分,构建叶面网格,最终得到三维形态叶片模型。通过5组对比实验表明,利用本文方法能够生成多种与真实植物叶片形态相似的三维植物叶片模型。2.提出适用于植物块状器官的基于Kinect V2 RGB-D数据的点云建模过程。该过程针对植物块状器官体积较小,形状特征不明显的问题,在点云滤波阶段,提出了改进的基于邻近值填补的深度图像滤波方法,提高点云数据的稳定性。在点云初始配准阶段,提出了基于高分辨图像的点云初始配准方法和基于匹配点之间斜率关系的误匹配点对剔除方法,提高初始配准的准确率。在精确配准阶段,提出基于特征点局部区域的ICP配准方法,以避免ICP算法陷入局部最优,同时提高点云的配准速度。在建模过程中分别进行了滤波方法对比实验、多组高分辨率图像配准方法对比实验、误匹配剔除方法对比实验,说明了本文所提出方法的有效性。并且最终通过构建红薯的三维点云模型,验证本文所提出的建模过程的有效性。3.依据以上研究内容,本文计并实现了植物主要器官建模系统。该系统提供了基于图形用户界面(GUI)的建模过程控制与反馈功能。底层采用Qt、Open CV、PCL等广泛使用的C++库作为技术支持。确保了系统的易用性与稳定性。综上,本文分别研究了植物叶片和块状器官的建模方法,针对现有问题提出了改进方法并构建了相应的系统。为之后的植物器官建模方法研究以及应用提供了参考,具有一定的学术意义。