随着信息技术的进步，植物基因组学研究方面取得了进步，但表型测量技术却未能跟上，阻碍了植物育种。玉米是中国三大主要粮食作物之一，准确测量株高对评估作物的生长和产量至关重要。本研究解决了大田条件下玉米群体的植物分割和株高提取不准确的难题。基于无人机 (UAV) 捕获的多视角图像序列，采用运动恢复结构-多视角立体 (SFM-MVS) 方法重建三维密集点云。为了改进植物分割，提出了一种列空间近似分割算法，该算法将列空间方法与封闭盒技术相结合。所提出的方法在茂密冠层条件下实现了超过 90% 的分割准确率，明显优于传统算法，例如区域增长（80%）和欧几里得聚类（75%）。此外，提取的植物高度与人工测量值具有较高的相关性，R2 值范围为 0.8884 至 0.9989，RMSE 值低至 0.0148 m。然而，由于处理大规模数据集时的计算需求以及不同环境条件下潜在的性能变化，该方法对于更大规模农业作业的可扩展性可能面临挑战。通过算法优化、并行处理和集成多光谱或 LiDAR 数据等其他数据源解决这些问题可以增强其可扩展性和鲁棒性。结果表明，该方法可以准确反映玉米植株的高度，为大规模、基于田间的玉米表型分析提供了可靠的解决方案。该方法在作物表型的高通量监测和精准农业中具有潜在的应用。