果园杂草滋生害虫且吸收果树的养分,导致果园经济作物减产,而人工除草、化学除草会耗费大量人力、物力和财力,对环境也会造成一定危害。随着计算机技术的发展,使用智能化的农业机械代替人进行除草成为一种新的发展趋势,而自主导航技术是实现农业机械自动除草的核心技术。自动导航技术需要获得农业机械自身位姿、导航参照物信息等关键信息,而未经过除草的自然果园环境中导航参照物的选取变得困难,且非结构化的自然环境对导航信息的获取会产生许多干扰。本文根据自然环境下果园的特点以及本文课题对于自动除草机器人的相关要求,通过研究自然环境下果园导航参照物的目标识别与定位方法,获取果园的导航中心线并构建包含果树二维坐标信息的简易果园地图,然后根据获取的导航参数设计了相应的模糊控制算法,最后设计并搭建了导航系统软件平台,并在自然果园中进行了相关实验。本文的主要研究内容如下:1)通过双目相机采集正常光照、高光照以及混合光照三种不同光照条件下试验果园的图片各400张（共1200张）,以此制作果树树干的训练数据集,并以迁移学习的方式对其进行训练。与此同时使用基于卷积神经网络的Yolov4目标检测算法构建果树树干的识别模型,并对三种光照下的果园图片进行识别。实验结果表明,本文所训练的模型的平均识别准确率为95.38%。2)确立世界坐标系、相机坐标系、图像像素坐标系以及图像物理坐标系四个相机成像重要坐标系之间的相互变换关系,并在此基础上构建了理想的双目成像测距模型;使用Matlab工具箱采用张正友定标方式对双目相机的左右目分别进行摄像机定标实验,求解出了左右相机的内外参数;通过采用几何方法解算出除草机器人的位置和姿态,将横向偏移距离和偏向角度作为导航参数。3)通过对BM算法、GC算法、SGBM算法耗时和匹配精度的对比,选择SGBM算法对包含导航目标特征信息的图像进行立体匹配,并在Microsoft Visual Studio2016开发环境下结合Opencv视觉库以及双目相机的标定参数获得了相关图片的深度图,再通过Opencv的Reproject Image To3D完成了像素坐标到三维坐标的映射,树干三维定位试验结果目标特征的定位在X和Y轴的平均偏差率分别别为2.21%和2.07%。最后简单构建了包含果树坐标位置信息的地图。4)根据自动除草机器人的作业要求,并结合求解得到的导航参数研究了运动控制方法,在Matlab中设计了模糊控制规则,并生成与其对应的模糊控制器,最后对所本文设计的模糊控制算法进行了仿真,仿真实验结果表明本文所设计的模糊控制算法满足导航要求。5)为实现自动除草机器人各个模块之间的相互通信,在Windows系统下基于Microsoft Visual Studio2016中集成的Qt以及Opencv使用C++语言搭建了导航软件系统,并在自然果园中对自动除草机器人的导航性能进行了测试,实验结果表明:当移动底盘分别以0.2m/s、0.3m/s和0.4m/s的速率在三种不同光照条件下行驶的总平均偏移距离分别为2.87%、3.36%和4.14%。在不同的速度和光照强度下本文所研究的方法能够满足自动除草机器人实际导航需求。