油菜是中国最大的油料播种作物和主要经济作物,具有极高的经济效益和应用潜力。基于三维激光扫描技术建立植物数字化模型,进行植物表型测量和三维重建,是数字农业方向的研究热点。通过三维激光扫描技术获取的植物点云数据不仅具有准确的植物空间结构和高精度的表面信息,同时因扫描过程中环境因素、人为因素和扫描设备因素的影响使得数据中不可避免地含有大量噪声数据和冗余数据,如何对获得的植物点云数据进行特征描述、点云去噪和表型信息提取是植物表型测量研究的关键问题,也是点云分割、三维重建和三维可视化等后续点云处理工作的前提与基础。本文将三维激光扫描技术应用到油菜植物数字化研究中,对获取的油菜点云数据的特征描述、点云去噪方法和油菜表型信息提取展开研究,本文的主要工作和成果如下:（1）油菜点云数据获取。设计了一种利用地面三维激光扫描仪获取田间油菜点云数据的采集方案,按照该方法采集了田间油菜植株的三维点云数据。（2）构建点云的特征描述。对油菜点云数据构建法向量特征、曲率特征、协方差矩阵特征值及组合特征,在不同特征描述下油菜叶茎、叶面、叶脉有着不同的特征:苗期叶的法向量多竖直方向、花期茎的法向量多水平方向、设置近邻半径r=1.2附近的范围搜索计算曲率能很好的体现出苗期叶脉特征、局部近邻求解的协方差矩阵特征值λ₂的越小点表面其点越处于边缘、局部近邻求解的协方差矩阵特征值λ₃的越大表明其点曲率值越高。（3）点云数据去噪研究。分析了田间油菜作物的噪声特点,对田间油菜点云的噪声点进行了归纳。设计了一种田间油菜作物点云去噪方案:对于田间油菜点云数据使用条件滤波、统计滤波和区域生长滤波方法依次过滤掉不同类型的噪声点云,其中通过实验确定了统计滤波中的近邻点κ和标准差倍数a这两个阈值:近邻点k的最优范围为κ∈[6,12],标准差倍数最优范围在(α∈[0.01,0.05],对区域生长算法进行改进,使用结合颜色和高度两个条件作为分类标准,实验确定了区域生长滤波的色差阈值P=5和簇间色差阈值G=5,可以很好的去除掉田间油菜杂草和土地点云。（4）油菜点云边界轮廓、叶脉和大田株数的提取研究。对散乱点边界提取算法进行了改进,使用以八叉树为空间索引,采用近邻范围搜索更加适合本实验研究,确定了叶片边界的最佳提取范围为r=1.2;提出了一种基于协方差矩阵特征值的叶脉和叶边界轮廓的提取方法,使用了协方差特征值组合的线性L_λ（Linearity）和各向异性A_λ（Anisotropy）这两个特征,分别提取叶边界、叶脉和大田株数,并且确定了苗期叶片边界提取阈值λ_boundary=2%和苗期叶脉提取阈值为λ_vein=7,可以得到很好的效果。