目前多传感器融合方案在机器人自动化方面得到越来越广泛的应用,在室外环境下,机器人会使用激光雷达或IMU（惯性测量单元）或GPS（全球定位系统）进行定位。果园环境属于非结构化环境,特征不明显,会导致基于激光雷达的定位因为匹配不准而产生累积误差,严重的会使得定位产生漂移。果园环境属于大尺度场景,IMU随时间积分产生的累积误差对定位产生的影响会更明显。GPS信号会因树叶遮挡而不稳定。如果只使用单一传感器会造成定位不准确从而使地图产生变形。因此研究多传感器融合技术在实现果园环境下的定位建图和导航具有重要的理论意义和应用价值。本课题旨在制定多传感器融合SLAM（即时定位与地图构建）与导航策略,提高在果园复杂环境下机器人定位和导航的精确度和鲁棒性。涉及激光SLAM的前后端、回环检测、动态障碍剔除及导航框架等关键内容,具体如下:首先,对定位与导航制定总体设计指标、进行果园环境的复杂度分析并进行方案的总体设计,完成传感器的误差来源分析。为了获得较高的定位精度和较为精确的三维点云地图,本课题对多传感器融合算法进行了研究。首先,采用ISAM2（增量平滑与建图）来进行后端优化从而保障算法的实时性。其次,通过后端的图优化模型和回环检测策略来优化全局位姿从而解决大尺度地图的漂移问题。接着,通过后处理的方式剔除算法中出现的动态物体从而优化地图质量。最后,制定评价指标,在多组KITTI数据集上进行多传感器融合算法和单传感器激光算法的定位精度对比,证明多传感器融合算法的优越性。接着,为了完成果园巡检机器人循环导航的功能,本课题分析了导航功能实现的四大要素,即目标点选择、路径规划、速度控制及交互界面,并通过ROS的action机制,ROSQT,move＿base等来完成以上四大功能。最后,进行综合实验验证。设计搭建巡检机器人平台。进行室外定位建图的对比实验,验证算法在实际场景下的精度和鲁棒性。进行室外导航的避障实验、单点导航实验及循环导航实验。