1.一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于，包括以下步骤：S1.实验平台搭建：搭建实验平台，并完成设备的调试；

S2.图像数据采集与预处理：分别对实验样本以及棋盘格进行高光谱图像与深度图像的数据采集，并对采集到的图像数据进行预处理；

S3.图像配准与融合：基于步骤S2中所拍摄的棋盘格图像，对步骤S2所述预处理后样本的高光谱图像与深度图像进行图像配准与融合，生成植物冠层的高光谱三维点云；

S4.植物冠层光谱补偿：基于步骤S3中高光谱三维点云中每个点的深度与角度信息实现植物冠层的光谱补偿；

S5.光谱补偿结果评估：对原始的和步骤S4中补偿后的植物冠层高光谱图像分别进行k‑means聚类分析以及平均光谱曲线比较，通过对比补偿前后的结果以评估光谱补偿的有效性；

所述步骤S3中高光谱图像与深度图像的图像配准包括两个步骤，分别为棋盘格的角点检测与单应性变换矩阵的求解；

所述步骤S3中植物冠层高光谱三维点云的生成是将配准的高光谱图像与深度图像进行图像融合而得，所述图像融合包括两个步骤，分别为光场相机的内外参数获取与高光谱三维点云的构建；

所述光场相机的内外参数获取是基于棋盘格图像对Raytrix光场相机进行标定，获取光场相机的内外参数矩阵m；

所述高光谱三维点云的构建基于如下公式(4)：

其中s是缩放因子，(u，v)是深度图像的像素坐标，m是3*4的光场相机参数矩阵，(x，y，z)是点云中点的齐次坐标；

S3所述图像配准包括两个步骤，分别为棋盘格的角点检测以确定棋盘格图像中的特征点，基于单应性变换矩阵的求解与应用实现样本深度图像与高光谱图像的配准；

所述角点检测算法基于如下公式(2)：

其中Ci，Cj为棋盘格图像中相距较近的两个角点， 表示点Cj的灰度梯度，Ci‑Cj表示这两个点之间的方向向量，两者的点积始终为0；

所述角点检测基于OpenCV工具包实现，编码平台为Python3.7，角点的搜索窗口大小为

11×11；

所述单应性变换矩阵的求解基于如下公式(3)：

其中Ph表示高光谱图像中的点，P′d表示深度图像中经过变换后的点，(xi，yi)表示图像坐标，e表示所容许的误差，最优的单应变换矩阵通过迭代计算求得。

2.根据权利要求1所述的一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于：步骤S1中所述的实验平台主要包括SNAPSCAN VNIR高光谱相机、Raytrix光场相机、

150W的环形卤素灯光源和两个100W的LED白光灯光源，其中高光谱相机的镜头为35mm，光场相机的镜头为17mm；

所述环形卤素灯光源主要用于高光谱相机，两个LED白光灯光源主要用于光场相机，其中卤素光源与高光谱相机同轴同方向；

所述步骤S1中搭建实验平台时，高光谱相机与光场相机紧贴一起，固定于支架上，两相机距离地面45cm，两相机距离实验样本100cm；

所述步骤S1中设备的调试包括相机光圈、曝光时间以及光源强度的调节，高光谱相机的光圈设为3，曝光时间设为32ms；光场相机的光圈设为4，曝光时间设为30ms。

3.根据权利要求1所述的一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于：所述步骤S2中每个实验样本与其棋盘格的图像采集环境保持一致，具体步骤为先采集样本的高光谱图像与深度图像，再将棋盘格斜倚于样本花盆，随即采集棋盘格的两种图像；

所述步骤S2中棋盘格颜色为黑白色，规格为9×9，尺寸大小为10×10cm，图案尺寸大小为1×1cm；

所述步骤S2中图像预处理主要针对高光谱图像，预处理方式主要包括背景分割、噪点去除；背景分割所选取阈值波段为577nm，阈值大小为0.015。

4.根据权利要求1所述的一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于：所述步骤S4中植物冠层的光谱补偿主要针对工作距离与叶片角度因素的补偿，冠层任一点的原始光谱反射率表达如下公式(5)：其中λm是所采集到的光谱反射率，λr是冠层真实的反射率，dw是高光谱相机白板校正时白板与相机之间的距离，d是冠层上该点与相机的距离，θ是冠层上该点的法向量与入射光方向的夹角，并且在该公式中，工作距离和叶片角度对原始光谱反射率的影响分别遵从平方反比定律和朗伯余弦定律；

所述步骤S4中植物冠层的光谱补偿是基于高光谱三维点云中每个点的深度和角度信息，对冠层每个点的原始光谱反射率进行如下式(6)补偿：其中，θ可通过K最近邻算法估计每个点的法向量，进而计算其与入射光之间的夹角，K的大小设为300；

所述步骤S4中的光谱补偿是逐点进行的。

5.根据权利要求1所述的一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于：所述步骤S5中的补偿结果包括距离补偿、角度补偿以及两者均补偿的结果；

所述步骤S5中k‑means聚类分析的最佳聚类数是利用手肘法确定的。