研究植物三维信息的获取可以用于监控作物生长过程中的动态数据,为研究植物生长机理提出新的手段与思路,是发展精细农业的重要内容。目前,对于植物三维模型的研究处于起步阶段,对于植物点云模型的深入研究并不多,与植物生理信息结合的较少。本文借助Point Cloud Library(PCL)开发库,对于植物点云模型进行深入研究,主要研究工作和研究成果包括以下几个方面。(1)针对实验室内三维扫描仪无法通过修改参数减小误差的情况,介绍了一种基于标准平板的误差分析方法,并根据分析结果提出两种误差补偿算法,最后对误差补偿算法的效果进行了评估。(2)针对植物叶片中存在的病斑提取问题,提出了基于颜色信息的区域生长算法,实现了对植物叶片病斑的区域分割,并取得了较好的效果。同时讨论了该算法中各个参数对分割结果的影响。最后对算法的分割效果进行评估。(3)由于高光谱数据在研究植物生理、病斑检测等问题中的作用巨大,提出了一种将高光谱数据与植物点云模型相结合的算法。对比常用的图像匹配算法,分析了不同算法对最终结果的影响。通过本研究,实现了高光谱数据与点云模型的相结合,可以为解决病斑检测、成分分析等问题提供了一个新的思路。