我国是农业大国,近年来农业装备向机械化、智能化和无人化实现了跨越式发展。作为农业装备重要组成部分的果园无人农机,具备果园作业效率高、人工成本低等优势,应用需求量大。为保证果农和操作人员安全,避免事故发生,无人农机必须具有实时障碍物检测和局部避障路径规划的功能。本课题主要研究内容如下:（1）基于果园无人喷雾机硬件平台构建障碍物检测及避障系统。双目视觉摄像头实时获取果园环境图像;嵌入式计算机对获取的图像数据进行处理。当检测到障碍物时,嵌入式计算机进行局部避障路径规划计算、并向主控板发送需要调整的农机速度和航向角信息;主控板根据底层传感器的信息判断当前农机的姿态,结合得到的信息得出控制指令,发送给电机驱动器驱使农机实现局部避障。（2）针对复杂果园环境中行人难以精确检测和定位问题,提出了一种双目相机结合改进YOLOv3算法的行人障碍物检测和定位方法。将双目相机一侧的RGB图像作为用树形特征融合模块改进过的YOLOv3算法的输入,检测行人障碍物;结合双目相机获得的像素距离信息确定行人障碍物相对于相机的位置坐标。用开放的果园行人检测数据集训练改进的YOLOv3算法。试验结果表明,改进算法的准确率和召回率分别达到了95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26ms/f。行人障碍物的定位,在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有良好的快速性和准确性。（3）优化改进动态窗口法进行果园环境中的局部避障路径规划。根据果园中果树种植位置等环境先验信息建立果园环境地图模型,并完成无人农机在果园中的全覆盖工作路径规划;针对动态窗口法陷入局部最优和陷入障碍陷阱问题,对算法进行改进,并根据果园环境特点对算法参数进行优化;用MATLAB仿真验证该算法的有效性和实时性。实验结果表明:改进的动态窗口算法能够有效地完成在果园环境中的局部避障路径规划任务。