1.一种植物自动识别方法，其特征在于，包括下述步骤：获取不同类别和个体的植物点云数据；

构建植物识别的训练集；

计算植物训练集植物的形状特征向量；

基于所述形状特征向量计算植物识别算法的参数；及基于所述识别算法及参数计算待识别植物个体属于各植物类别的可能性大小，选取可能性最大的类别作为该植物的类别；

其中，计算植物训练集植物的形状特征向量，包括下述步骤：对所述植物点云数据的任一点p，查找其最近的k个点N(p，k)，其中，k分别选取为10，

20，30，40，50；

利用主成分分析方法计算所述点p及所述点N(p，k)的特征值和所述特征值对应的特征向量，所述特征值为(l_1k，l_2k，1_3k)，所述特征向量为(v_1k，v_2k，v_3k)，其中l_1k

2k

计算每个特征向量与Z轴的夹角，并选取最小的夹角，记为a_ik，其中，i＝1，2，3；k＝

10，20，30，40，50；

计算每个特征向量在XOY平面投影与X轴的夹角，并选取最小的夹角，记为b_ik，其中，i＝1，2，3；k＝10，20，30，40，50；

基于所述a_ik及所述b_ik，构建所述点p的形状特征，记为F(p)，其中，F(p)＝(l_ik，l_ik/sqrt(k)，l_ik/(l_1k+l_2k+l_3k)，(l_ik+l_jk)/(l_1k+l_2k+l_3k)，l_ik/l_jk，l_1k/l_2k+l_1k/l_3k，l_1k/l_2k+l_2k/l_3k，l_1k/l_3k+l_2k/l_3k，a_ik，b_ik)其中，i，j＝1，

2，3；1<＝i

采用上述同样的方法得到所述植物点云数据中每一点对应的形状特征，并记为F；

将所述F每一维构造均匀分成若干直方图，得到所述植物个体的形状特征向量，所述形状特征向量表征了所述植物个体的形状信息及类别信息。

2.根据权利要求1所述的植物自动识别方法，其特征在于，同一类别的植物个体数目至少为10个。

3.根据权利要求1所述的植物自动识别方法，其特征在于，所述形状特征F(p)为一个

120维的形状特征向量。

4.根据权利要求1所述的植物自动识别方法，其特征在于，所述F每一维构造均匀分成

10个直方图，所述植物个体的形状特征向量为1200维的形状特征向量。

5.根据权利要求1所述的植物自动识别方法，其特征在于，基于所述形状特征向量计算植物识别算法的的参数，具体为：将所述特征向量及所述特征向量对应的类别信息输入Joint Boost算法进行训练得到算法参数。