自20世纪60年代美国、苏联为了探索月球开始移动机器人的研究以来，移动机器人由于其广阔的应用前景，取得了突飞猛进的发展。从最开始室内结构化环境的导航，到后来移动机器人的同时定位与建图(Simultaneous Localization and Mapping, SLAM)，现在发展到在室外环境中采用外部传感器对森林环境进行地形分类和导航。本文将森林环境中本质特征和统计特征相结合，利用BP神经网络进行森林环境的地形分类，并根据分类结果进行森林环境中导航的研究。本文的主要研究内容包括：　　 1．森林中树木多是参天大树，外形高大挺拔，可用圆柱、圆锥等形状模拟。文中利用非线性的最小二乘法对其进行拟合。首先将采集得到的森林环境的三维数据点根据点之间的欧氏距离进行分类，根据分类结果对不同类别中的树木分别采用非线性的最小二乘法进行圆柱、圆锥的拟合。　　 2．森林中，不仅有树木，还有草丛、灌木丛、岩石以及崎岖不平的地面，根据各类森林构成物的特质，找出激光数据点的高度值、立体栅格密度等具有代表性的特征，以及三维激光数据的特征根这种统计特征作为BP神经网络的输入，对三维激光数据点进行分类。　　 3．基于前面森林环境的分类结果对移动机器人进行导航的研究。将三维数据点投影到二维的栅格地图中，用A*算法对机器人进行路径规划。机器人在森林中行驶，要尽可能选择平整的地面，所以在栅格地图中加入地面崎岖度因子，并计算入A*算法的代价函数中，地面崎岖度越大，机器人要从该处行驶的代价也越大。通过上述方法达到了为机器人选择路径时尽量选择平整区域行驶的目的。