自主导航农田作业车辆将越来越广泛地被运用到农业生产实践中，开展自主导航农田作业车辆的避障导航算法的研究具有重要意义。本课题研究一种未知环境下基于折线行走实现的BUG绕行障碍物边缘算法，其特点是采用分段式折线方式完成边缘绕行，通过转折点处过渡路径轨迹生成实现绕行动作连贯平滑，使不具备360°障碍物检测范围的AGV（Automated Guided Vehicle，自主引导车辆，本文亦称机器人）包括用于导航作业的一般农田作业车辆也能实现位置环境下基于BUG的避障导航。.　　车身定位与障碍物检测研究方面，为克服滑转、车身倾斜抖动和GPS信号遮挡对车辆定位的影响，用多项式卡尔曼滤波算法对GPS、陀螺仪和加速的计进行融合，校正车辆避障运动时的位置与姿态误差，同时对车身位置及障碍物测量数据进行大地坐标校正。BUG算法需要的环境障碍物检测方面，为克服激光测距仪测距范围小等缺点，提出基于机器视觉的360°环境的障碍物检测方法，采用全景相机进行了理论和实验研究。.　　障碍物边缘绕行行走路径规划研究方面，先后完成两种路径绕行算法，分别是基于分段折线的方法以及圆弧曲线的方法，后者生成的路径圆滑适应范围广泛。在Pioneer3-AT室内机器人上完成了实际测试实验。为了提高避障算法开发效率，开展了基于Matlab设计了一种软硬件协同仿真软件用于机器人避障算法的研究。主要特点是避障算法通过Matlab编程实现，环境测距传感器与机器人（行走执行部分）既可以是仿真实现也可以是实际的物理对象，其中可实现的测距传感器包括激光测距仪、双目视觉和全景相机，可实现的机器人目前为Pioneer3-AT室内机器人。还对软件进行了实时性测试和研究。.　　农田作业BUG避障导航试验平台方面，与美国John Deere公司合作，基于XUV-825i全地形车和设计开发了实验平台。可适应水田、旱地等多种工作环境，可安装激光测距仪、全景相机等多种传感器，为BUG导航算法提供良好的测试条件。此外还基于带柔性元件的多体运动系统研究了智能作业系统动力学建模，以改善导航作业的动态稳定性和工作效率。