准确、高通量地测定植物形态性状对表型研究至关重要。目前，获取植物高质量三维点云的方法很多。然而，利用这些三维点云很难准确估计玉米植株整个生长阶段的表型参数。

玉米点云扫描场景和点云可视化

本文提出了一种精que的骨架提取方法，以弥补三维点云与玉米植株表型性状估计之间的差距。该算法首先利用点云聚类和色差去噪来降低输入点云的噪声,再利用拉普拉斯压缩算法对点进行压缩，然后通过自适应采样选择代表植物骨架的关键点，并将相邻的点连接起来，形成由语义器官组成的植物骨架。zui后，通过沿原始点的切线方向建立前向局部坐标来校准到输入点云的偏差骨架点。该方法成功地从3D点云中提取出精que的骨架，有助于对玉米植株的表型参数进行高精度的估计。

玉米点云骨架提取流程

去噪过程说明

通过对三个品种、不同生育期玉米的骨架提取过程的实验验证，表明提取的骨架与输入点云匹配良好。与三维数字化数据导出的形态参数相比，利用提取的植物骨架估计叶长、叶倾角、叶顶长、叶方位角、叶生长高度和株高的NRMSE分别为5.27、8.37、5.12、4.42、1.53和0.83%，可以满足表型分析的需要，并且处理单个玉米植株所需的时间低于100秒。

骨架连接和闭合回路断开示意图，“⊗”表示断开

该方法在玉米基因型到表型研究、几何重建、玉米功能结构建模、动态生长动画等方面具有重要的应用价值。

来源：Front. Plant Sci.An Accurate Skeleton Extraction Approach From 3D Point Clouds of Maize Plants.Sheng Wu, Weiliang Wen, Boxiang Xiao, Xinyu Guo, Jianjun Du, Chuanyu Wang and Yongjian Wang.