随着科技的快速发展,研发出大量的高精度、高效率、快速无损获取三维点云数据的设备和应用。为了实现个体表型参数快速、高效的提取及对棉花表型参数动态监测,本文采用Plant Eye获取多时序的棉花表型参数和点云数据,并人工实际测量株高、叶面积、叶面积指数这3个表型参数,研究点云数据去噪、精简、三维重构的方法,获得更优良的棉花冠层重构效果,并评估分析表型平台的测量值与实测值间的拟合情况。本文的研究内容和结论如下:首先,针对在实验数据采集过程中,会受自然环境、操作方法等影响产生不必要的点云噪声,采用半径滤波方法去除地面的噪声点云,对于棉花周围的小噪声点云,提出一种基于双边滤波的去噪方法,该方法能有效的去除差异大的点并保留边缘特征,在棉花点云数据中的应用效果也是显著的。其次,针对传统方法精简率低、运行时间长等问题,提出一种基于Voxel Grid栅格体素化的点云精简方法,设置恰当的栅格边长是实现精简的重要步骤。通过试验可得:经过去噪处理后的点云数据的个数为59919,设置立方体栅格边长大小分别为0.1f、0.3f、0.5f,精简后的点云个数分别为49175个、20424个、4058个;当边长设置为0.5f时,其精简率为93.8%,精简效果相对较好,并且可以将点云数据的表面特征有效保留。然后,棉花冠层重构采用的方法是泊松重构、贪婪投影三角网格化。泊松重构的过程是一个根据点的分布形成一个凸包的过程,但由于棉花点云数据的密度大小不一,中心位置点云密度大且存在上下分层现象,导致重构效果有虚假面片生成,该方法不适合本文采集的点云数据。相较于此方法,本文利用贪婪投影三角网格化的方法实现三维曲面重构,该方法对点云数据实现拓扑三维空间的建立,实现棉花叶片的三维模型构建。相较于泊松方法,该方法重构的效果好,并且重构的时间上也有所降低。最后,由于传统贪婪投影三角化重构的棉花叶片存在孔洞、边缘不平滑等现象。因此针对这些问题提出改进算法,首先对点云数据进行了平滑处理,采用的方法是最小二乘法MLS,MLS方法主要是通过对点的法向量计算,实现贪婪投影三角化重构棉花冠层。试验结果表明:MLS精简后的点云个数为3899,精简率为94.1%,比体素精简的效果提升了0.3%左右,从重构效果分析,相同精简程度的点云数据,经过点云平滑去噪处理的效果将比未进行平滑处理的重构效果好,重构的棉花叶片也不易失真,且改进的算法重构面片数和时间都有提升。