随着农机自动化、智能化的发展,人工喷药作业逐渐被智能农机所代替。智能喷雾机作业效率高,可广泛应用于农业领域植保防治,是数字农业领域重点研究方向之一。目前农业领域中,智能喷雾机大多应用温室果园场景,但室外农田环境情况复杂,作业要求高,基于农田场景无人农机自主导航方面的研究内容较少。本文基于校企联合研发的无人喷雾机平台,搭建了多传感器系统和进喷雾机控制系统,对农田场景作物行识别和路径规划展开研究,主要研究内容如下:(1)搭建了喷雾机实验平台及控制系统,从喷雾机整体结构出发,分别介绍了底盘结构、行走机构、转向机构等。针对植株高度、作业宽度的变化及农田复杂作业环境,研究了具备自动升降和折叠功能的喷杆结构和高强度行走机构;依托无人农机为载体,构建多传感器系统模块,主要包括Kinect2.0传感器、RTK-GPS传感器和激光传感器,融合多信息传感器进行数据采集,获取植株作物的双源信息及障碍物位置等,为后续作物行识别与路径规划提供数据支撑,通过主控模块将上位机决策信息转换为喷雾机的控制信号实现喷雾机按照指定策略行驶作业。(2)改进了双信息融合的植株作物行识别方法。首先利用Kinect获取目标植株的彩色信息和深度信息,将图像由RGB颜色模型转换为HSI颜色模型,对S分量(饱和度)阈值提取,将深度数据进行筛选操作,利用采样一致性(SAC-IA)配准方法找到变换关系进行粗配准,再使用迭代就近点算法(ICP)算法与S分量图精确配准,分别进行类别中心和粒子适应度定维,通过粒子群算法(PSO)循环优化得到聚类中心,最后使用最小二乘法拟合路径。实验证明双信息融合的作物行识别方法在实时性和准确性较传统方法均有所优化,尤其实时性有较大提升。(3)改进了基于跳点思想的改进A*算法农田路径规划方法。使用Kinect传感器、激光传感器和RTK-GPS定位装置得到植株作物信息、农田边界信息和障碍物位置等信息。结合喷雾机自身参数如转弯半径,作业幅宽等数据使用本文的改进A*算法对无人喷雾机进行路径规划,针对直线路径和转弯路径进行规划和分析。最后通过实验仿真验证本文方法的适用性,改进A*算法能减少大量无效搜索,减少搜索时间,提高了规划效率,全局规划方法仿真结果表明车辆可按照规划路线行驶及避障,偏差较小,符合无人喷雾机自主作业要求。