番茄,作为我国种植面积最大的蔬菜品种之一,其产量直接影响农民的经济收益,同时也是指导科学田间管理的重要依据。目前,国内外学者利用传感器获取农作物图像并预测作物产量的研究有很多,但主要基于二维平面图像,不可避免果实重叠、遮挡问题。随着科学技术的发展,三维重建技术在农业领域广泛应用,可通过三维模型直观分析作物形态信息。针对于这些问题,本研究设计了一种基于Kinect传感器的移动式温室番茄生长信息采集系统,包括番茄植株点云生成、重建、果实识别、计数。经试验统计数据表明,该方法在配准点云和计算番茄果实数量时具有准确性和稳定性。本文的主要研究内容及结论如下:（1）搭建了移动式温室番茄生长信息采集系统。针对温室的结构特点与环境要求,选用基于SLAM视觉技术的ROS机器人平台,实现自主定位导航,由平台携载传感器定点停靠,实现植株信息的提取。（2）以提取番茄植株的彩色图像及深度图像为目标,对比目前三维点云生成和相关获取方法,本研究采用KinectV2.0传感器。以融合彩色图、三维点云、含有RGB信息的彩色点云的流程,根据RGB相机坐标系和红外相机坐标系空间关系,生成校正后的融合彩色图;然后利用深度图像生成三维点云;最后将RGB的值赋于对应点,生成既含有空间坐标信息又含有RGB信息的彩色点云。（3）为了对点云做后续处理与相关参数提取,分析对比几种三维点云与二维图像滤波方式,选定直通滤波去除地面噪声,选用统计滤波法去除离群点噪声。接下来,为进行后续点云配准,本研究采用10cm大小的蓝、黄、橘黄色小球作为标定物,进行图像初配准,再经过ICP精配准获得融合后番茄植株三维点云信息。（4）为了实现番茄果实精确分割,以番茄果实为实验对象,分析对比不同颜色空间对光照的敏感程度,采用强、弱、暗光对比不同颜色空间的数值变化,最终确定采用Lab颜色空间中a通道信息进行果实分割。获取番茄果实空间位置及颜色信息后,针对果实数量计数,采用基于网格降采样的K近邻搜索,以及基于K-means聚类算法的质心融合方式获取番茄点云簇。对K-means算法进一步优化,结合番茄直径信息,解决近邻番茄果实的计数问题,对所有融合图结果求和,最终实现整体温室场景下的成熟番茄产量统计。（5）对移动式番茄生长信息采集系统可靠性进行实验验证。通过对融合图像的高度与最大幅宽计算,结合实际测量值,得到其相关性决定系数R2分别为0.99、0.83,验证三维图像融合的有效性。在不同光照强度下进行数据采集,验证最佳采集时间上午8点至10点,下午4点至6点。采用不同采集视角进行试验对比,Kinect处于平视视角、仰视视角、俯视视角时,对应的平均相对误差RAD分别14.34%、5.68%、21.61%,从而获得最佳采集视角为仰视视角。对不同视角融合结果进行对比,最终采用双视角融合进行产量统计。对Kinect单次采集植株数量进行对比,分别为单株作物,单排两株作物以及两排四株作物。最终得到最佳试验方式为,以Kinect仰视视角进行数据采集,对同一场景中采集双视角信息,单次采集同一排两株植物进行计数。同时,增加田间试验,对比植株最大高度,冠层最大幅宽以及成熟果实数量计算值与人工测量值误差,验证本系统在复杂场景下的适用性及有效性。本研究提出了移动式的温室番茄植株三维场景重建及生长信息采集方法,对我国现代温室智能化信息采集、果实产量预测均具有重要意义。