针对葡萄园农用机械植保效率低、智能化程度不高、安全及可靠性差、劳动强度大等问题,运用环境感知、轨迹规划及运动控制技术研究设计葡萄园植保机器人自引导及控制系统。以单线激光雷达传感器作为植保机器人垄行间的环境感知设备,针对雷达反馈数据在不同坐标系下呈现的不同分布特点,设计了两种滤波、分类、拟合方案,并确定机器人与导航线之间的相对位姿关系。构建机器人运动学模型以及目标线追踪模型以输出运动控制的期望转角,与底层的运动执行器相结合来实现植保机器人的自主运动。对课题开展背景进行了论述,针对国内外相关农业无人车的发展状况进行了分析,结合我国现有葡萄园实际的作业环境以及所面临的问题,依据垄行内自主导航中环境感知、控制决策以及运动执行三个层面,设计了系统的总体研究方案并制定了技术路线。自主式植保机器人系统在整体架构上可以分为三个模块,第一个部分为上层的环境感知层,主要完成植保机器人探知周围环境并进行自定位的功能;第二个部分为中层的控制决策层,主要工作是确定目标运动轨迹,获取期望动作;第三个部分为运动执行层,根据目标转角,构建闭环运动控制器,实现准确的动作跟随。采用单线激光雷达检测植保机器人所处局部葡萄园环境。激光雷达作为机器人的眼睛,通过捕获局部环境信息,可确定葡萄园垄行相对机器人的分布情况,雷达扫描的点云数据能够有效地反映葡萄园垄行果树枝蔓的排布信息,但其中夹杂的噪声点会对准确判断垄行线的位置产生较大的干扰,对点云数据的预前处理成为必不可少的环节,根据雷达点云数据在极坐标系下所呈现的平滑单峰分布的特点,以原始数据为基础,构建基于移动平均滤波带的包络模型,完成对原始点云数据的滤波去噪。结合点云数据中的峰值点,确定了两侧垄行的分类基准,实现对点云数据的归类。使用最小方差法对分类后点云数据进行拟合,获取垄行线准确位置,提取出中心导航线,并确定雷达与中心导航线之间相对位姿关系。针对点云数据在直角坐标系下呈现出依附垄线分布的显著趋势,设计阈值加卡尔曼滤波器对原始数据滤波去噪,采用SVM机制实现数据分类,构建配比权重的多支撑向量,并结合基于角平分原理的RASANC来拟合垄线同时提取中心导航线。还原植保机器人的运动学模型,并在此基础上,设计植保机器人的目标导航线追踪模型,确定植保机器人下一步的期望动作。根据感知层输出的机器人相对中心导航线间的位姿关系,结合植保机器人实际的机械结构和运动系统,完成植保机器人的运动轨迹规划。建立植保机器人转向控制器,实现机器人对期望动作的随同。基于模糊PID开发执行层控制器,完成对目标转角准确跟随。通过实验对感知层的滤波算法、分类方式、拟合策略进行了验证与比较,确立最终感知方案,对植保机器人运动学模型、导航线追踪模型以及执行层中转向控制器进行检验,实验结果表明,基于SVM的多支撑向量配比权重判别垄行安全位置及提取导航线的方案,偏距的平均误差为4.2mm,偏航角的平局误差值为0.69°,但算法平均耗时为2.06044s,相关技术的推广受到限制。基于移动平均滤波带的包络模型能够有效地滤除噪扰,迭代搜索峰值的分类方法,分类的成功率为99.7%,基于角平分原理的最小方差法提取导航线的策略,其偏距的平均误差为25.1mm,偏航角的平均误差为1.18°,设计的导航线追踪模型以及转向控制器在葡萄园环境中,达到稳态的平均耗时为8.21s,算法的平均耗时为1.5ms,能够满足葡萄园环境中,无人车自主作业的实际应用需求。