随着西藏水能资源的开发和环境的恶化,野生鱼类资源每年都在不断减少,部分物种甚至面临着灭绝的风险。形态表型研究是调查与保护野生鱼类的重要基础任务,现有的表型提取方法通常基于手工或二维图像,手动测量耗时长,效率低,难以满足每年仅两个月的最佳采样期内的表型采集需求,且被测量期间长时间离水会造成鱼类的死亡,使本就稀少的野生鱼类资源雪上加霜;基于二维图像的方法获取的表型快速但又不够丰富;而基于三维点云数据的方法不仅耗时短、精度高,表型提取全面,还不会对鱼造成伤害。但是鱼类点云各部位之间的特征差异不固定,现有的分割方法会出现过度分割或分割不完全的情况。本文依托于西藏自治区农牧科学院水产科学研究所的《雅鲁藏布江渔业资源保护与利用体系构建》和《西藏鱼类种质资源保护和开发》的项目背景,构建了全球首个西藏高原鱼类三维点云数据集,提出了一种新的鱼类点云分割方法,并以此为基础搭建了高原鱼类形态表型自动提取框架,主要工作如下:1)由于西藏野生鱼类资源获取困难,现有的鱼类数据集大多数由图片、或者手工测量的表型构成,数据规模较小,信息维度较少。因此作者历时近两个月,跟随近20人的团队进藏采样,获取了总计410个鱼类点云数据,包含约40个地点,17个品种,建立了全球首个西藏高原鱼类三维点云数据集,为青藏高原的鱼类资源分布、遗传进化等研究提供数据支撑。2)由于鱼鳍相较于身体过薄,导致扫描时鱼鳍与平面背景重合,特征差异过小,现有的平面检测方法只拟合平面,经常出现鱼鳍部分误分割的问题,所以本文提出了一种基于边界的多条件生长分割方法。通过提取平面分割后的点云前景边界,以法线夹角与颜色差值为约束条件,向平面数据做生长操作,达到补全边缘的目的。相比于现有的平面检测方法,本文的方法减少了误分割情况的出现,平均1值达到97.92%,使得点云的分割更加精细。3)由于鱼类点云需要分割的各部位之间特征差异不固定,现有的点云局部分割方法会出现某一部位分割不完全的问题,本文提出了一种基于超体素的自适应加权区域生长分割算法用于模型点云的局部分割。本文基于超体素对点云做预分割处理,然后以超体素之间的法线夹角与颜色差值的加权和为生长条件,并且根据超体素之间的法线差异与颜色差异自动调节权值,使得点云各部位分割的1值平均达到79.30%,相较于现有的方法更加准确。4)针对现如今鱼类表型自动提取方法的缺失,结合本文所设计的点云分割方法,搭建了一个高原鱼类形态表型自动提取框架。以本文的点云分割方法为核心算法构建了一个鱼类表型自动提取平台,并对提取结果进行了验证。自动提取的结果与手动测量的结果之间平均相对误差为6.32%,平均绝对误差为2.77mm。对于其他动植物的表型提取方法具有借鉴意义。最后本文抽取119个鱼类个体,4个品种,提取其表型做了线性判别分析（LDA）,在测试集上1值平均达到95.56%,说明本文提取的表型对鱼类分类、遗传进化等领域具有重要意义。