随着农业现代化的快速发展,农业生产领域对自动化农业机械尤其是无人驾驶农业机械的需求越来越多。林果生产是农业生产的重要领域,对无人驾驶耕作机械、无人驾驶采摘机械的需求也越来越多,同时又对生产成本十分敏感。无人驾驶技术主要包括环境感知技术、定位与导航技术和运动控制技术,其中环境感知技术是基础技术之一。目前,无人驾驶汽车技术发展很快,但其环境感知研究主要针对结构化道路环境和泊车环境,鲜有针对非结构化环境(如果园环境)进行的研究。本文针对农业生产对无人驾驶农机低成本的要求,以野外环境中果园地貌为对象,用低成本、少线束雷达为测量工具,通过识别果树、低矮植被及电线杆等地物,实现果园地形地貌重构和地图构建。主要研究内容如下:1.根据点云数据获取时点云的噪声点来源,采用距离限制的直通滤波方法限制点云数据处理范围,实现局部窗口设置。用基于数据统计的高斯滤波方法去除离群点,用体素网格滤波法对点云等距离抽稀处理,以达到控制点云数量又不改变被测物体形状的目的。针对的测量设备晃动引起的图像倾斜,采用向量叉乘法实现点云平面倾斜校准。2.针对少线束激光雷达测量时信息稀少的情况,提出一种基于地物点云侧投影分析法,实现局部范围内果树、低矮植被和电线杆的识别,完成窗口地物识别。本方法根据雷达的测量角度将点云数据进行YOZ坐标平面投影;利用八邻域搜索算法对地物点投影数据进行聚类,实现地物点云分块;对投影面进行网格划分和网格内地物点统计,实现空网格与非空网格的判断;采用由低至高逐层扫描法,进行非空网格相邻关系判断;依据相邻关系,用相邻非空网格高程值、跨度值及其突变实现窗口内果树、低矮植被和电线杆的识别。实验证明:该方法可以有效实现果园环境中果树、低矮植被和电线杆的识别。3.针对果园环境地物点云数据的散乱性和突变性,提出一种改进自适应组合配准算法,对不同点云数据进行配准,实现全局地形地貌感知。该方法根据局部环境的地形地貌特点用NDT算法进行相邻窗口地图初始配准;用ICP作为精确配准增加曲率作为匹配元素,用自适应点云匹配算法进行相邻窗口地图进行精配准。