本文针对非结构化环境下农机出入库以及果园自主作业等问题,提出多传感器融合的激光SLAM导航方案、基于密度自适应的RANSAC导航方案,并讨论了农业机器人的导航控制策略,为实现生态农场的无人化奠定了基础,具体研究内容如下:（1）针对多传感器的数据融合,本文选用了激光雷达和IMU的组合。为了提高数据的精度,需要对两者触感器进行标定。首先,建立起各自的坐标系,包括世界坐标系、激光雷达坐标系和IMU惯导坐标系等;其次,计算坐标系之间的转换矩阵;然后,进行传感器的时间同步,对齐时间戳,统一描述某一物体在坐标系中的位置;最后,结合传感器内参误差进行数据的融合。（2）针对农业机器人在传统GPS导航系统下无法实现出入库的问题,提出了基于激光雷达和IMU融合的激光SLAM导航方案。在未知环境中,采用基于图优化的Cartographer算法获取激光雷达信息、IMU信息以及里程计数据等构建分辨率为5cm的特征栅格地图。针对传统的Cartographer算法做了两点优化,一是通过多重滤波算法提升输入点云的质量;二是利用多源融合位姿估计算法减小误差。改进后的Cartographer算法构建出地图的误差不超过10cm,明显提升了SLAM建图的质量。（3）针对农业机器人在果园自主作业,本文提出了一种基于密度自适应的RANSAC（随机采样一致性）导航系统。通过16线激光雷达采集高精度三维点云数据,利用Voxel grid filter滤波算法进行点云预处理,降低点云密度并去除离散点,将果树行通过欧几里类算法进行聚类,采用改进的RANSAC算法拟合出果树行直线,根据平行直线的关系,推算得到导航线;并融合IMU对农业机器人进行高精度定位。基于差速转向和纯追踪模型进行轨迹跟踪,实现农业机器人在果树行间自主导航以及自动换行的目标。在将激光雷达和IMU的数据进行融合后,获取到机器人的准确位姿,当机器人以0.8m/s的速度在果园作业时,与最小二乘法和传统RANSAC法产生的偏差相比,基于密度自适应RANSAC法产生的横向偏差不超过0.1m,航向角偏差不超过1.5°,均为三种方法中的最小值。（4）针对农业机器人的导航控制策略,在果园内的导航,本文选择了纯跟踪算法。首先,分析了机器人的基本运动模型;其次,阐述了纯跟踪算法的基本原理;然后,对农业机器人的运动轨迹进行了仿真,确定了合适的前视距离,完成了参数的优化;最后,结合差速运动模型和纯跟踪算法,实现了农业机器人的稳定控制。在农机库内的导航,本文选择了激光SLAM导航控制框架,结合激光雷达、IMU和编码器等数据准确定位农业机器人所在位置,并通过A*算法规划合适的全局路径,实现农业机器人出入农机库的导航。另外,利用动态窗口法,使其能够进行局部路线的优化,从而达到对移动障碍物进行躲避的效果。根据多次实验结果分析,农业机器人出入库时的导航定位误差不超过8cm,可视范围内的避障效果十分良好。那么,关于农机出入库的这一难题就得到了有效的解决。