红小豆,豆科,一年生半缠绕草本植物,在我国各省市均有栽培,营养价值极高,我国是全球红小豆生产量最大的国家,同时也是主要的出口国。表型是指生物体的形状、结构、大小、颜色等外在表现性状,主要是由环境与基因决定的。表型组是指某一种生物的所有性状特征,不仅仅包括农艺性状,还包括生物体所表现出来的生理状态。因为红小豆有高营养价值以及研究植物表型对植物生长发育有重要意义,所以,研究一种高效准确的植物表型测量方法就显得尤为重要。目前获取植物表型数据的方法一般是通过手工测量（传统方法）或照相后进行软件分析（二维方法）进行的。传统方法主要可以测量得到植物主茎长度、叶片数目等指标,二维方法可以获取植物的叶片的长度,宽度,面积等指标。但是以上两种方式都有着花费时间长,测量准确率低,工作量大且繁琐的缺点。因此本研究提出了利用三维模型来测量植物的各项表型数据的方法。三维模型相较于以上两种方法,其处于立体空间之中,包含了更全面的信息,植物的生长形态、空间位置、株高、叶面积等都可以通过三维信息直观展示出来,从而解决其他方法费时费力且不准确的缺点。本研究以温室种植的红小豆为研究对象,重建其在多个时期的三维模型后对植株的三维点云进行处理,以此来监测温室植株生长动态并探究三维模型测量植物性状的准确性。主要创新与应用如下:（1）提出了一种多视图几何与运动恢复结构相融合的模型,该模型可以更加直观地展示植物的各种三维信息,获取高精度的三维模型与点云数据。（2）在后续点云数据处理中,在分割点云方面提出了一种改进区域生长算法,通过区域生长算法与欧式聚类算法的结合,可以提高叶片分割后的点云质量。高效获取植物表型数据。（3）在植物表型数据的获取方面,提出了基于获取的点云数据对植物表型数据进行测量的可行性方法,并对结果进行精度分析。结果分析表明,使用本研究三维算法获得的株高,叶长,叶宽,叶面积,叶片数植株数据与实际测量值的决定系数均大于0.94,RMSE值分别为2.02cm、4.41cm、3.13cm、3.025(8~2、4.2。说明运用本研究提出的方法在获得植物表型数据方面具有较高的准确性。本文方法为三维方式重建红小豆模型,获取红小豆植株各项生理生化指标提供理论基础。