随着数字农业的飞速发展,农作物三维重建技术在农业中应用越来越广泛。点作为最简单的图元,可以将被测物体表面的三维信息真实的进行记录,进而将物体的形状特征更加准确的表示出来,就能快捷的对被测物进行分析和处理。所以,就特别需要对三维点云的处理和重建技术进行研究。三维重建技术可以更快速、直接的观察农作物的各项生理生化问题,并加以解决,现如今对大豆植株的三维重建技术研究非常少,特别需要对大豆植株的重建研究。目前,三维重建中所用仪器大多存在较为昂贵或者仪器庞大的问题;针对点云的处理方法,有些存在计算复杂或者处理不精的缺点。针对这些问题,本文以大豆植株为研究对象,以较为廉价轻便的Kinect作为试验仪器,研究点云数据预处理、去噪的方法,以及点云数据快速三维重建的方法,以实现较优良方法的选取和较高质量的重建,获得更优良的方法重建,方便为其他研究者分析大豆植株的各项指标,进行更为直观便捷的研究。本文主要研究工作及结论如下:(1)针对获取的大量大豆三维点云进行预处理,获取的点云数据中包含大量的冗余数据,冗余数据不仅会占据大部分储存空间,同时处理的效率下降。对于冗余点云,通过八叉树的方法进行精简点云,通过设置不同阈值对点云数据进行精简,通过试验可得,在精简率为95.78%时依旧可以将点云数据的外形特点有效的保留。(2)对于大豆点云数据的一些离群点云数据,和点云数据表面不平滑的问题都会影响后续的重建效果,研究了一种基于自适应密度聚类和双边滤波融合的去噪平滑算法。首先,该法使用密度聚类法先把一些与目标点云距离较远的点云数据去除,然后使用双边滤波的方法对点云数据进行平滑处理。精简阈值从10增加到80而去噪平滑的时间从100.765s下降到1.655s,可以有效的将点云数据的离群点噪声去除,而且平滑了数据的表面。(3)利用三维Delaunay三角剖分法中的Bowyer-Watson算法实现了大豆点云的三维重建,并且对重建的效果进行了分析和对比。分别对原始点云和不同处理程度的点云数据进行了三维重建。实验结果表明,精简后的点云数据可以提高三维重建效率;相同精简程度的点云数据,去噪平滑比未去噪平滑的点云数据重建效果好。经过点云精简和去噪平滑处理的点云数据,可以在很好的保留大豆形态特征的条件下有效的进行三维重建。对大豆植株进行较高质量的重建,可以为日后农作物的重建提供可依据的方法,并且对大豆植株的各项生理生化指标研究提供重要的理论基础。