近年来,随着我国老龄化和农村空心化问题日益严重,能熟练驾驶联合收割机的机手严重紧缺,联合收割机的无人驾驶技术快速发展,但现有技术尚远远难以适应我国普遍的较小、不规则田块条件。本文为此开展了基于稻麦收获场景多特征的无人驾驶作业技术研究,提出了基于3D点云的田间导航信息与作物倒伏特征信息提取方法和无人驾驶收获控制算法,并进行了精度验证和田间实际收获试验。本文研究内容和工作如下:（1）针对联合收割机场景多特征反馈无人驾驶收获作业要求,构建了RGB-D相机与电子罗盘组合的无人驾驶信息获取方案。对联合收割机进行真无人化设计,基于对割线、田头和倒伏区域的场景信息感知,实现机身位姿、收获路径和割台高度等的自动控制。同时,针对导航信息处理带来的实时计算压力,以及多个数据同时传输时可能产生的相互干扰,搭建了采用分布式网络的ROS系统作为上位机软件环境,并采用Modbus通信协议实现上位机Jetson TX2开发板与下位机PLC间的通信。（2）为获取联合收割机田间导航信息,针对成熟稻麦已收获区域和未收获区域颜色相近,但高度差异明显的特征,基于3D点云数据设计了割线分割算法。通过随机采样一致性平面拟合及半径邻域搜索提取出割线区域点云,利用最小二乘法拟合割线直线方程,从而计算出航向偏差与横线偏差信息。（3）为获取联合收割机田头转向信息,针对田头、地面和作物间高—低—高的相对特征,基于3D点云数据提出远近田头线拟合方法。通过逐列扫描从3D点云创建的Y方向深度图像获取点云中高度极大值点,利用改进的随机采样一致性算法拟合出远田头线,并向着相机坐标系原点方向搜索近田头区域,平移远田头线至经过近田头区域,获取近田头线方程,从而计算出联合收割机与近田头线间垂直距离信息。（4）为实现联合收割机对稻麦倒伏区域的特征反馈无人收获作业,针对倒伏区域均位于未倒伏区域组成的平面之下的特征,基于3D点云数据设计了倒伏区域分割与位置—程度—方向特征信息综合提取算法。通过随机采样一致性算法拟合未倒伏平面,平移和旋转点云使相机坐标系落于该平面之上,再利用CSF地面点滤波和欧式聚类提取倒伏区域点云,通过坐标遍历、平均高度计算和表面法线估计获取倒伏位置、程度和方向信息。（5）进行了田间验证试验,结果表明,航向平均误差在0.04°—1.48°之间,横向平均误差在1.37cm—2.53cm之间,与田头垂直距离平均误差在-0.034m—-0.019m之间;倒伏区域平均高度平均误差在0.004m—0.092m之间,倒伏方向平均误差在0.34°—9.17°之间。通过不同光照条件下的田间实际收获试验,验证系统精度。结果表明,割线路径平均跟踪误差在1.15cm—2.19cm之间;田头平均转向距离误差在0.027m—0.082m之间,平均转向角度误差在0°—3°之间;收获倒伏区域时割台高度平均误差在1.36cm—4.57cm之间。