La aplicación de modelos digitales 3D para el análisis fenotípico de plantas de alto rendimiento es un tema de investigación candente en la actualidad. Los métodos tradicionales, como la medición manual y el escaneo láser, tienen costos elevados, y los métodos de reconstrucción no supervisados de múltiples vistas todavía son escasos en el campo de la investigación de cultivos. Es un desafío obtener una composición de características de superficie de cultivos 3D de alta calidad para la reconstrucción 3D. En este documento, proponemos un método de generación de nube de puntos de trigo y reconstrucción 3D basado en SfM y MVS utilizando imágenes secuenciales de cultivos de trigo. En primer lugar, se estimaron las intrínsecas de la cámara y las extrínsecas de la cámara de trigo utilizando un sistema de estructura a partir de movimiento con mapas de características, lo que resolvió efectivamente el problema del diseño de ubicación de puntos de cámara. En segundo lugar, propusimos el ReC-MVSNet, que integra la estructura paramétrica pesada en la red de reconstrucción 3D de nube de puntos, superando la dificultad de capturar características complejas a través del modelo MVS tradicional. A través de experimentos, se demostró que este método de investigación logra una reconstrucción no invasiva de la estructura fenotípica 3D de objetos realistas, la precisión del modelo propuesto se mejoró en casi un 43.3%, y el valor general se mejoró en casi un 14.3%, lo que proporcionó una nueva idea para el desarrollo de la digitalización virtual 3D.