图1 田间表型分析中近邻及近距移动测绘系统示例：（a）无人机；（b）表型牵引拖拉机；（c）无人地面车辆（UGV）；（d）手持便携扫描仪 “LeafSpec”。

  图2 不同表型移动测绘系统（MMS）生成的玉米植株结构 LiDAR 点云细节级别：（a）无人机；（b）表型拖拉机；（c）UGV。

图3 本研究中使用的高通量表型移动测绘平台：（a）UGV；（b）无人机。

  图4 研究区域正射影像及机械化田块育种试验中植株布局示意：（a）试验场地；（b）试验田布局。

图5 UGV-A 与无人机轨迹在无人机 LiDAR 点云中的可视化（点云涵盖所有无人机航线）：（a）UGV 与无人机的总体覆盖区域；（b）本研究选用的两平台公共区域。

  图6 UGV 点云/轨迹增强与单株茎秆分割的整体流程（蓝框内为本研究提出的主要方法模块）。

  图7 单轨 UGV 点云：（a）原始点云；（b）地面点（AG）；（c）植株点（BE）。用于重建点云的轨迹以红色高亮显示。

 图8 基于点高程和的行列中心检测示意。

  图9 GNSS/INS 定位精度对无人机与 UGV LiDAR 重建点云的影响示意：（a）所有航线的无人机点云；（b）单轨 UGV 点云。

图10 基于滑动窗口的 UGV 点云行段起止点检测示意。

图11 UGV 点云窗口中行向确定示意：（a）具有非零角度偏移的原始点云；（b）近零偏移的点云；（c）不同朝向角度下平均峰宽曲线（蓝框标注值对应示例点云的行向）。

 图12 UGV 单轨上行段起止位置可视化（点云已染色以突出标记位置）。

  图13 UGV 轨迹相对于 GPS 时间的定位精度（高亮框为各单轨时间段）。

图14 UGV 单轨行向与无人机点云对齐示意。

  图15 从行段植株点（AG）中检测并提取单株茎秆的流程示意。

  图16 不同 GNSS 定位精度下 UGV 多轨线性特征匹配影响：（a）各轨迹相对位置；（b）三条轨迹提取的线性特征；（c）行段不同区域对应特征对间错位变化（点云俯视图）。

  图17 两个行段特征表示：（a）行段的侧视与正视图；（b）从行段中提取的竖直平面、地面平面及秆杆等线性特征。

图18 LiDAR 点到所对应几何特征距离示意：（a）平面特征；（b）线性特征。

  图19 特征匹配后可用茎秆可视化：（a）多轨匹配后；（b）多轨及多数据集匹配后（点云按轨迹编号着色）。

 图20 UGV-B 轨迹在不同处理阶段的距离校正量（着色反映校正大小）：（a）仅 UGV-B 处理；（b）UGV-B（无人机辅助）处理；（c）UGV-B 与 UGV-A（无人机辅助）联合处理。

图21 单轨多轨处理的 UGV-A 平面特征对齐：增强前（a）与增强后（b）。

  图22 UGV-A 单轨行段两个区域的平面特征对齐评估：增强前（a）、仅 UGV 增强后（b）及无人机辅助后（c）。

  图23 UGV-B 单轨行段两个区域的平面特征对齐评估：增强前（a）、仅 UGV 增强后（b）及无人机辅助后（c）。

图24 合并 UGV-A 与 UGV-B 单轨行段两个区域的平面特征对齐评估：增强前（a）、仅 UGV 增强后（b）及无人机辅助后（c）。

图25 UGV-B 不同轨迹线性特征对齐：仅多轨增强（a）与多轨+多数据集增强（b）。

  图26 两组 UGV 数据集在各增强实验下线性特征对齐情况。

  图27 UGV-A 行段内沿行距变异：（a）所有株间距直方图；（b）紧密株距（5–15 cm）热力图。

  图28 UGV-A 增强前后图像—LiDAR 特征对齐可视化：（a）校正去畸变图像及感兴趣区域红框；（b）原始 GNSS/INS 轨迹 LiDAR 点反投影图像；（c）增强后秆杆点反投影图像（按轨迹编号着色）。

  图29 行段起止位置错误检测与漏检示例。

图30 玉米行段在生长期间的可视化：中后期生长天数分别为（a）44 天，（b）59 天，（c）73 天，（d）79 天，（e）85 天，（f）91 天。