随着信息技术和农业知识的逐步融合,对作物结构和生理功能的研究进入了数字化和视觉化阶段。先进的检测技术和现代信息计算机技术能够以视觉方式重现作物的形状和结构,从而在环境中快速获取数据信息,重建三维结构,分析、模拟和预测植物生长的动态过程和植物与植物之间的相互作用,在植物繁殖与数码植物研究方面,对作物生产过程和形态进行三维视觉方式的测量和分析是难点也是热点。对研究植物三维可视化以及植物表面特征方面有着十分重要的现实意义。以三角度多图像三维重构方法为基础,进行多视点二维图像序列的拍摄,以此来获取植物形态结构的纹理数据与密集点云,相对于其他三维重构来看,这种方法有着很好的灵活性,便于进行数据收集,有着较低设备成本。能有效获取非常密集的点云三维信息,而且还包含具有非常真实感觉的图像的颜色纹理信息。近年来,该方法引起了众多研究者的关注,在植物的三维建模研究方面,这也是一种主要方法。通过多视角图像技术来实施植物三维重建的研究,也存在一些影响因素,是研究的难点和重点,如采集频率、相机点设计和环境的影响,还有点云合成后的相关处理。其中一个关键是合理设计数据采集装置,通过科学的后处理算法来进行计算,本文对马铃薯的三维重建过程做了以下工作:(1)建立了三维重建算法的基本流程和优化方法:基于SIFT特征提取与匹配、各分组投影结构的计算与集成、摄像机自标定和三维点云重建,最后利用BA法优化初步估计的结果。(2)结合SIFT算法的一般过程,包括局部极值检测、特征点选择、特征点方向确定和特征描述符生成四个步骤,给出了算法步骤,阐明了图像处理中特征提取和匹配的方法。(3)在使用基于运动恢复结构(SfM)和多视角立体视觉(MVS)的三维重建软件PhotoScan进行三角度测量得到所需要的纹理模型,并针对不能在点云环境下测量的不足,进行点云处理。(4)通过点云预处理方法,计算邻域搜索、平面分割和轮廓提取过程中阈值设置的平均点距离,建立邻域搜索的k-d树拓扑结构,估计法向量,方便平面分割。通过RANSAC算法,确定分割的标准点云平面,并将分割点云投影到平面上得到投影点云参数。针对内外轮廓线直接拟合直线时的误差拟合问题,介绍了轮廓线的连通性判断。将平面轮廓划分为可连接轮廓集合,集合中的可连接轮廓依次用直线拟合并用直线投影。最后得到马铃薯模型的直线轮廓特征。(5)利用BA法计算上述结果的重投影误差,确定最终的稀疏三维点云结构,根据研究目标和计算过程的内容设计并测试数据,实验结果表明本文算法具有良好的精度。(6)建立一个由五个数据输入模块、数据输出模块、视觉交互模块、三维重构模块和云点云处理模块组成的三维重构剖面提取系统。基于三个角度多幅图像的农作物三维重建有着很好的灵活性,便于进行数据收集,有着较低设备成本。此外,还可获得高密度的点云数据,而且密度高,具有很强的真实感,可以更好地实现真实事物的虚拟化。