大数据时代，日益增长的粮食需求、全球气候变化和人口增长刺激了植物表型驱动的作物产量增长。高粱在各植株和器官水平上的高通量表型分析是分子植物育种提高作物产量的关键。激光雷达(light detection and ranging，LiDAR)传感器提供植物的三维点云，具有高精度、高分辨率和快速测量的优点。然而，利用激光雷达三维点云提取高粱植株表型特征需要开发鲁棒算法。本研究采用四种基于三维点云的深度学习模型PointNet、PointNet++、PointCNN和动态图CNN (DGCNN) 针对具体目标对高粱植物进行分段。然后利用分割结果提取表型性状。研究植物样品不同的发育阶段在控制条件下的生长。通过对高粱植株表型性状的人工测定，验证了所提取的表型性状结果。PointNet++的分割效果优于其他三种深度学习模型，平均分割准确率为91.5%。根据PointNet++模型的分割结果，计算出株高、植株冠直径、植株密度、茎粗、穗长、穗宽6个表型性状的相关系数(R2)分别为0.97、0.96、0.94、0.90、0.95和0.88。结果表明，激光雷达三维点云技术在利用深度学习技术快速准确地测量高粱植株表型性状方面具有良好的潜力。