世界人口急剧增长，改良育种技术用以大幅度提高全球作物产量的需求变得越来越迫切。大多数研究人员认为，新育种技术的关键在于作物的遗传改良，从而涌现出大量的表型点。然而，目前的表型解决方案不够强大，处理时无法达到令人满意的速度和精确度。因此，高通量表型的研究越来越受到关注。

两块试验地的布局

行间距的手动采样方法，虚线是两个相邻的本地行线

本研究中，提出了一种新的基于田间的高通量表型检测解决方案。在一个移动机器人上安装了一个激光雷达，使机器人成为一个“phenomobile”。作者使用开源组件和算法库开发了机器人操作系统下的数据收集和分析软件。与以行内和逐行方式进行表型分析观察不同，新解决方案允许机器人在田间移动来收集数据。因此，3D和360°激光扫描仪可以同时收集大型植物群的表型数据，而不是逐个收集。

云注册和合并过程

试验地2的行检测结果

此外，机器人不会对作物施加任何接触性干扰。我们在两块实验地上对玉米植株进行了试验。作者使用地标和迭代最近点实现点云合并以减少时间消耗。然后利用深度条带直方图和水平点密度对玉米植株的形态表型参数(行距和株高)进行识别和计算。分析了云配准与融合性能、行间距检测精度和单株高度计算精度。实验结果验证了该方法的可行性。

来源：Front. Plant Sci.Field-Based High-Throughput Phenotyping for Maize Plant Using 3D LiDAR Point Cloud Generated With a “Phenomobile”.Quan Qiu1, Na Sun, He Bai, Ning Wang, Zhengqiang Fan, Yanjun Wang, Zhijun Meng, Bin Li and Yue Cong.https://doi.org/10.3389/fpls.2019.00554.