主要面向香蕉植株田间表型获取中“成本高、效率低、测量难”的实际问题。传统人工测量不仅费时费力，而且对卷曲叶片等结构往往难以实现快速、无损、精准测量；激光雷达等高精度设备虽然有效，但成本较高，不利于大规模推广。与此同时，香蕉植株还具有叶片宽大、薄叶结构明显、遮挡严重、纹理较弱等特点，给低成本三维重建带来了很大挑战。
针对这些问题，我们提出了 BN-NeRF 框架，在 Instant-NGP 基础上引入帧级几何校准、稀疏几何锚定和薄叶先验约束，实现了基于手持设备采集视频的香蕉植株快速三维重建，并进一步完成叶长、叶宽、叶面积、假茎直径和株高等关键表型参数的自动提取。
本视频主要展示以下内容：
手持设备采集香蕉植株视频的流程；
BN-NeRF 的三维重建效果与局部细节展示；
显式几何恢复与尺度校准过程；
关键表型参数的自动测量结果；
移动端到云端的系统流程验证。
