La segmentación precisa de hojas individuales de plantas de remolacha azucarera es de gran importancia para obtener datos fenotípicos relacionados con las hojas. Este artículo desarrolló un método para segmentar nubes de puntos de plantas de remolacha azucarera para obtener resultados de segmentación de alta calidad de hojas individuales. Primero, utilizamos el algoritmo SFM para reconstruir las nubes de puntos en 3D a partir de imágenes 2D de múltiples vistas y obtuvimos las nubes de puntos de plantas de remolacha azucarera después del preprocesamiento. Luego las segmentamos utilizando el método de crecimiento de región basado en votación tensorial multiscale (MSTVM), lo que resultó en hojas independientes y hojas superpuestas. Finalmente, utilizamos el método de filtro de límite de superficie (SBF) para segmentar hojas superpuestas y obtener todas las hojas de la planta completa. Los resultados de segmentación de plantas con diferentes complejidades de disposición de hojas se evaluaron utilizando las nubes de puntos de hojas segmentadas manualmente como referencia. Nuestros resultados sugirieron que el método propuesto puede segmentar efectivamente la nube de puntos en 3D de hojas individuales para plantas de remolacha azucarera cultivadas en campo. La longitud de la hoja y el área de la hoja de las nubes de puntos de hojas segmentadas se calcularon y se compararon con las observaciones. La longitud de la hoja y el área de la hoja calculadas estaban altamente correlacionadas con las observaciones con R (0.80-0.82). Se concluyó que el algoritmo de crecimiento de región basado en MSTVM combinado con SBF puede utilizarse como un paso de segmentación básico para la extracción de datos fenotípicos de alta capacidad de plantas de remolacha azucarera de campo.