随着计算机和机器视觉技术的发展,视觉导航技术逐渐成为智能化自行走农业机器人的核心控制技术。室外农田环境具有光照不均匀、易受到极端天气影响、地势崎岖不平等特点,对农业机器人视觉导航系统图像采集和处理造成干扰,导致算法不精确或无法适应当前环境等问题。本文针对室外复杂环境下的农田视觉导航算法进行研究,提出了一套农田地头线检测和路径提取算法,解决了农业机器人在自然光照不均衡和能见度低等情况下作业时传统算法适应性较差和实时性较低的问题。首先,与结构化农田或温室环境相比,非结构化农田的导航算法对鲁棒性以及环境的适应能力的要求更高,一些应用于结构化农田的视觉导航算法很难适应非结构化的农田环境。针对该问题,本文提出了一种基于YCr Cb颜色空间下的光照补偿算法,减低了光照过强或过暗时对图像的干扰,然后采用暗原色先验知识进行去雾处理,得到清晰的图像;再利用缩小遍历范围的OTSU二值化分割算法与基于HSV颜色空间的颜色跟踪相结合的分割算法及形态学滤波,获得边缘精细的二值化图像,使得图像分割时间减少了约40%,增强了算法的实时性。其次,为提取农田垄间的行走路径,本文提出了一种基于垂直投影法的特征点检测与矫正算法。获取了农田中垄沟中心的特征点并利用随机抽样与投票机制提出了新的直线拟合方法。该方法可以更好地提取出正确边缘信息和垄间特征点,克服了传统直线检测算法应用在农田路径提取中适应性不强的缺点;同时,利用超像素思想提出了一种农田地头基准线检测算法,可以适用于多种环境的地头位置检测。最后,研究了农业机器人的硬件平台以及农机的信息处理与转换过程。通过图像坐标与视觉坐标的转换得到了机器人位姿和偏移量、偏移角的计算方法,并对本文所研究的视觉导航算法进行了仿真实现,设计了一套操作简便的软件系统。