1.一种基于三维重建的叶面积指数提取方法，其特征在于，包括以下步骤：S1：对于所需进行叶面积指数提取的植株，环绕该植株拍摄多视角植株图像序列；

S2：根据步骤S1得到的多视角植株图像序列提取出该植株的三维点云数据，并将各个数据点的坐标变换到现实世界的三维坐标系中，该三维坐标系中x轴位于水平面，x轴和y轴构成的面垂直于水平面，z轴根据右手坐标系规则确定；

S3：对步骤S2得到的三维点云数据进行去噪处理，去除背景噪声点；

S4：对三维点云数据进行分割，得到植株部分点云；

S5：从步骤S4分割出的植株部分点云中提取出植株中的茎部分点云并滤除，剩余点云即为叶片部分点云；

S6：根据步骤S5得到的叶片部分点云计算得到叶片面积leaf；

S7：采用以下公式计算得到叶面积指数LAI：其中，ground表示叶片部分点云对应的土地面积。

2.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S3中去除背景噪声点的具体方法为：

计算三维点云数据中所有数据点之间的平均距离D和标准差σ，然后对于三维点云数据中的每个数据点，将与其距离小于预设阈值的数据点作为其相邻点，计算该数据点到所有相邻点的平均距离d，如果d∈[D‑σ,D+σ]，则不做任何操作，否则将该数据点作为离群点进行删除。

3.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S3中去除背景噪声点的具体方法为：

S3.1：初始化迭代次数t＝1；

S3.2：在当前的三维点云数据中随机选择一个描述符的子集，并在预设范围内随机确定邻居数K；

S3.3：对于步骤S3.2选择的描述符空间中的数据点，两两计算数据点之间的距离；

S3.4：对于步骤S3.2选择的描述符空间中的每个数据点，筛选得到其与K个最近的邻居数据点之间的平均距离，然后将平均距离最大的数据点作为离群点从当前的三维点云数据中删除；

S3.5：判断是否t＜tmax，tmax表示预设的最大迭代次数，如果是，进入步骤S3.6，否则背景噪声点去除结束；

S3.6：令t＝t+1，返回步骤S3.2。

4.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S4中三维点云数据分割方法的具体方法为：

S4.1：令迭代次数k＝1；

S4.2：在三维点云数据中随机选择两个数据点作为数据点对；

S4.3：根据数据点对计算得到通过该数据点对的直线模型y＝akx+bk，ak表示斜率，bk为常数；

S4.4：计算三维点云数据中每个数据点相对于直线模型的误差值，记该数据点坐标为* * * * * *

(x ,y ,z)，将值x代入直线模型，计算得到yk＝akx+bk，则误差值Δ＝|yk‑y|S4.5：统计误差值小于预设的误差阈值的数据点的数量Nk；

S4.6：判断是否k＜K，K表示预设的最大迭代次数，如果是，进入步骤S4.7，否则进入步骤S4.8；

S4.7：令k＝k+1，返回步骤S4.2；

S4.8：从K个数据点数量Nk中筛选出最大值，该最大值所对应的直线模型即作为分割直线模型；

S4.9：将分割直线模型所在水平面以下的三维点云数据删除，分割直线模型所在水平面以上的三维点云数据即为植株部分点云。

5.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S5中茎部分点云提取的具体方法为：

S5.1：对步骤S4得到的植株部分点云进行点云骨架提取，得到骨骼点集，然后采用随机拦截节点算法对植株部分点云进行处理，此时随机拦截节点算法中随机生成的雨滴降落在植株部分点云的任意位置，将骨骼点集按照得到的雨滴路径划分为若干点云集，每个点云集即作为一个疑似茎部点云集Φm，m＝1,2,…,M，M表示疑似茎部点云集数量；

S5.2：令点集序号m＝1；

S5.3：令迭代次数λ＝1；

S5.4：对疑似茎部点云集Φm进行点云骨架提取得到骨骼点集 然后采用随机拦截节点算法对疑似茎部点云集Φm进行处理，此时随机拦截节点算法中随机生成的雨滴降落在疑似茎部点云集Φm中点云的任意位置，按照得到的雨滴路径从骨骼点集 中提取出疑似茎部点云集Φ′m；

S5.5：判断是否λ＜λmax，如果是，进入步骤S5.6，否则进入步骤S5.7；

S5.6：令λ＝λ+1，疑似茎部点云集Φm＝Φ′m，返回步骤S5.4；

S5.7：判断当前疑似茎部点云集Φ′m中的点是否在误差范围内位于同一直线上，如果是，进入步骤S5.8，否则进入步骤S5.9；

S5.8：将疑似茎部点云集Φ′m中的点云作为茎部分点云，进入步骤S5.9；

S5.9：判断是否m＜M，如果是，进入步骤S5.10，否则茎部分点云提取结束；

S5.10：令m＝m+1，返回步骤S5.3。

6.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S6中计算叶片面积的具体方法为：

S6.1：对步骤S5得到的叶片部分点云采用SOM神经网络模型进行叶片的曲面重建；

S6.2：使用Netfabb的修复脚本对步骤S6.1得到的叶片点云进行平滑处理；

S6.3：对平滑处理后的叶片点云进行孔洞填充；

S6.4：根据孔洞填充后的叶片点云计算得到叶片面积leaf。

7.根据权利要求1所述的叶面积指数提取方法，其特征在于，所述步骤S7中叶片部分点云对应的土地面积ground为叶片部分点云在水平面所形成投影的轮廓的外接矩形面积。