农业机器人自动导航技术不仅可提高作业质量和生产效率,还可避免某些作业给人身带来的危害,对我国现代农业建设有重大的推进作用。本研究在国家国际科技合作专项项目和广东省科技计划项目的资助下,研究了基于机器视觉与卫星系统组合的履带机器人果园导航系统。主要研究内容及研究成果如下:（1）果园导航系统硬件与软件设计。基于Komodo-01履带机器人平台搭建了基于机器视觉与卫星系统组合的果园导航系统。基于Qt Creator4.0.2开发平台与C++面向对象编程语言,在Windows7环境下开发了导航系统软件系统。对履带机器人行走装置的特点进行了分析,提出了基于预瞄点的履带机器人直线路径跟踪方法,实现了履带机器人前进与倒车的直线跟踪功能。（2）基于果园环境的视觉导航路径识别算法研究。提出了基于HSV颜色空间的果树区域分割算法,通过调节模型参数达到剔除果树阴影区域的效果;针对传统数学形态学滤波方法难以完全消除二值图像中果树枝叶空隙导致的孔洞现象与地表大面积区域杂草噪声问题,提出了一种基于场景先验知识的改进孔洞填充与噪声区域剔除算法。试验结果表明该算法在果园环境中能提高图像处理的抗噪能力,可有效地检测出果树行区域。一般边界点水平扫描法会因果树枝叶生长不规则等干扰因素导致错误检测边界点情况出现,为解决以上问题,本文在一般水平扫描法基础上加入道路模型先验知识对扫描结果进行约束,该算法提高了果树行边界识别精度并具有一定抗干扰能力。针对常规边界直线检测方法存在的不足,提出了采用稳健回归M估计法,并分别针对两侧果树行与单侧果树行识别后导航中心线的生成进行了分析与求解。基于摄像机内、外参数的标定结果推导了图像检测的横向偏差与履带机器人实际偏差对应关系,为导航参数求解提供了理论依据。（3）履带机器人果园行尾导航与地头转向研究。针对履带机器人导航过程中接近行尾时摄像机感知果树区域不断减少导致视觉导航可靠性降低的情况,提出了一种基于图像处理的行尾判断方法以及基于GNSS导航的机器人行尾姿态调整方法,可在标定的试验环境中距离最后一行果树5m处正确检测行尾并自行切换至GNSS导航模式。缩短了履带机器人在地头转向中的时间,减小了占地空间以提高整个作业效率为目的,提出了一种基于FPID履带机器人地头转向控制方法,并进行了前馈控制,反馈控制和FPID控制地头转向对比试验。试验结果表明,FPID控制能很好地平衡了前馈控制与反馈控制的优缺点,既发挥前馈控制校正及时的优点,同时又保持了反馈控制能抑制多个干扰的特点。（4）研究针对传统导航方法所造成的复杂系统结构,设计了基于单目视觉与深度学习的端到端果园自动驾驶系统。卷积神经网络由5层卷积层与1层全连接层构成,网络输入为实时采集图像,输出为预测的转向操纵命令。以简化训练样本采集过程和降低人工参与程度为目的,提出了一种基于GNSS履带机器人导航的神经网络训练样本采集方法。为提升网络训练效果和防止过拟合现象,提出了小批量样本归一化、随机失活法、图像增广及“十次十折交叉验证法”措施。（5）采用真实果园图像序列对图像处理算法进行了评估分析;进行了基于视觉与GNSS组合的履带机器人直线导航、曲线导航试验。试验结果表明,直线导航过程中履带机器人没有出现偏航导致损害果树的情况,能够准确地沿果树行间中心线行走,并在检测行尾后自动切换至GNSS导航模式行驶至地头转向区域,满足一般农业机器人导航作业要求。对基于单目视觉与深度学习的端到端果园自动驾驶系统进行了直线与曲线跟踪试验。试验结果表明,当摄像机感知到前方两侧均有果树行出现时,机器人前进行驶;当摄像机感知到只有一侧果树行出现时,履带机器人进行相应的转向操作;当摄像机感知最后一排果树出现时,机器人继续行驶1 m后自动停止行走。