针对现有苗木三维重建方法存在的图像采集成本高、效率低等问题，该研究提出了一种基于3D高斯溅射（3D gaussian splatting,3DGS）的小型苗木三维重建方法。首先，搭建了一套适用于小型苗木的图像采集装置，通过消费级智能手机获取苗木的多视图图像序列；其次，采用SAM模型（segment anything model）对苗木图像进行精确分割，去除多视图序列中的背景；将使用运动恢复结构（structure from motion,SfM）算法生成的稀疏点云初始化为三维高斯分布，进行场景优化；最后，利用三维高斯作为场景表示，通过3DGS实现苗木重建。该方法在自建数据集上的评估结果表明，相比使用原始数据，使用SAM分割后的数据进行重建的时间缩短了40.79%；相比神经辐射场（neural radiance fields,NeRF）模型，3DGS模型的峰值信噪比（peak signal-to-noise ratio,PSNR）和结构相似性指数（structural similarity index measure,SSIM）均值分别提高了70.49%和48.64%，学习感知图像块相似度（learned perceptual image patch similarity,LPIPS）均值降低了93.55%，平均重建时间缩短了98.04%。利用该文方法生成的苗木重建图像视觉保真度高，重建的点云能够有效表征苗木的几何结构，可以为小型苗木的低成本和高质量三维重建提供技术参考。
