随着农业发展进程的加快,我国对减轻农业作业劳动强度,提高农业生产效率提出了更高的要求。因此必须大力推行农业机械化、智能化,提高农业机械自动化水平。为提高农业机械行驶或作业过程中的安全性,安全预警和避障策略的研究具有重要的意义。本文针对适用于农业机械的安全预警模型精度较低以及单一传感器获取障碍物信息不全面的问题,以欧豹4040型拖拉机为研究平台,搭载激光雷达、摄像头、北斗导航设备和前轮转角传感器等硬件设备,基于多传感器信息融合技术,开展在非结构化农田环境下障碍物的检测、状态判定以及拖拉机安全预警、避障策略的研究。研究的主要内容和结果如下:（1）构建了拖拉机信息采集与控制平台。研究选择欧豹4040型拖拉机作为搭建平台,开发了基于激光雷达、摄像头的环境信息感知系统;搭建了基于北斗导航设备和前轮转角传感器的拖拉机状态信息采集系统;构建了基于Arduino单片机、继电器和LED报警灯的安全预警系统。整个平台的搭建为实现基于多源信息的拖拉机安全预警系统提供研究平台。（2）提出了一种障碍物检测与状态判定方法。选用DBSCAN聚类方法对激光雷达的点云数据聚类,实现了对障碍物的检测。由卡尔曼滤波和最小费用最大流算法对障碍物进行追踪获取障碍物信息;由拖拉机状态信息采集系统获取拖拉机信息,通过分析障碍物与拖拉机的相对运动关系实现了对障碍物状态的判定。障碍物相对拖拉机的速度与拖拉机的行驶速度差值的绝对值小于阈值k时,该障碍物被判定为静态;反之,该障碍物被判定为动态。实地试验结果表明该系统对不同状态的障碍物判定的准确率大于82.9%,表明了该方法对于障碍物识别及状态判定的有效性。（3）提出了一种拖拉机安全预警级别划分模型。针对不同状态的障碍物,提出了对应的安全预警级别划分模型。对于静态障碍物,以拖拉机是否能以最大转角转弯绕过该障碍物为临界条件,建立了一级、二级、三级一共三级预警级别。对于动态障碍物,提出了基于障碍物与拖拉机的相对运动关系和拖拉机安全刹车距离的危险评价指标δ,确定出三级预警级别。针对静态、动态障碍物分别进行了多组实地试验,两种状态的障碍物的试验结果准确率均大于82.1%,验证了本文所提出的安全预警级别划分模型的有效性,为提出的避障策略提供了基础保障。（4）完成了激光雷达与摄像头数据融合及提出了一种考虑多因素的避障策略。基于YOLOv3算法训练了一种适合用于田间环境的目标识别模型;利用投影法完成了激光雷达与摄像头数据的信息融合,得出单个、多个障碍物的类别和对应的距离、位置信息;提出了一种考虑拖拉机的行驶场景、障碍物的状态、障碍物的预警级别和障碍物的类别四个因素的避障策略,对单个、多个障碍物均进行了融合算法的测试,结果表明误差不超过3.7%。（5）集成障碍物状态判断与拖拉机安全预警系统并进行了实地试验。对障碍物检测系统和安全预警系统的硬件和软件进行调试,并通过实地试验完成对系统各项性能的检测。结果验证了本文提出的基于多源信息的拖拉机安全预警及避障系统的可行性和有效性。