农机导航是实现农机自动行驶,提升农业智能化程度的重要技术。农机导航技术是通过一些传感器,利用光、电磁波以及卫星信号等来测量获取周围信息,以实现对自身的定位,按照预先已有知识(如地图等)规划的路线进行运动的技术。如今常见的导航技术有视觉导航和GPS导航等,视觉导航技术波动的关键原因是光照因素,且图像中包含的数据较多,难以做到实时性;GPS导航在室内信号差,且想要实现精准定位需要价格较高的接收设备。针对上述问题,本文拟提出一种基于视觉和GPS导航的组合导航方法,结合两者的优点来提升定位精度,利用无迹卡尔曼滤波器(UKF)来融合两种导航方式获取的数据,完成数据滤波,提升导航定位的精度。本文基于阿克曼转弯模型,为避免农机自动驾驶过程中的压苗问题,提出了基于前进-后退转弯策略的自动转弯方法,同时提出了一种优化算法实现更好的性能。本文利用组合导航方法实现农机在农田中自动行驶的直行,基于自动转弯寻优方法实现农机自动驾驶的转弯,从而避免自动驾驶转弯过程中压苗的损失。针对农机自动驾驶过程中的直行行驶,本文从视觉导航与GPS导航两个部分从环境获取数据并进行处理,得到处理后的数据后将其传递至UKF中进行滤波操作实现预测与更新。视觉导航中的处理主要包含图像预处理和导航点提取技术,对于图像预处理部分本文选择效果最好的方法进行处理。针对导航点提取中不同于常见的特征点拟合技术,本文提出一特征点提取方法可以直接在得到预处理图像后就直接得到导航特征点,减少了提取特征点的时间。特征点提取之后,实现像素坐标、图像坐标、农机坐标以及世界坐标的转换,同时GPS设备得到的经纬度坐标也需要在世界坐标系下表示。在得到同一坐标系下的导航点数据后,UKF将GPS和视觉数据进行组合并滤波,得到导航点的位置并进行导航。组合导航实验使用模拟方式,以GPS数据为标准比对组合导航与视觉导航得到数据的误差。实验表明组合导航相比单一使用视觉导航的定位效果要有较大提升。针对农机自动驾驶过程中的转弯行驶,本文基于阿克曼转弯模型,设计与实现基于前进-后退策略的转弯算法。为了验证方法的有效性,本文根据实际情况来构建模型,进行模拟实验,对30度到45度之间的转弯角度进行寻优操作。实验结果表明寻优算法能够快速搜寻出最优转弯方法,并能够有效完成转弯任务。