Los robots de empuje existentes principalmente utilizan tecnología de inducción magnética. Estos dispositivos son susceptibles a interferencias electromagnéticas externas y tienen un bajo grado de inteligencia. Para compensar la insuficiencia de los robots de empuje de material existentes, y al mismo tiempo resolver los problemas de intensidad laboral, mano de obra intensiva e incapacidad para empujar material a tiempo por la noche, etc., en este estudio, se diseña un robot empujador de navegación autónoma basado en lidar 3D, y se propone una estrategia de evasión de obstáculos basada en el método mejorado del campo de potencial artificial. En primer lugar, se recopilan los datos de nube de puntos 3D del granero mediante el robot de empuje auto-diseñado, se extraen los datos de la nube de puntos del área de interés utilizando un algoritmo de filtrado de paso directo, y se segmenta la nube de puntos 3D del granero utilizando un umbral de altura. En segundo lugar, se utilizaron el Método de los Mínimos Cuadrados (LSM) y el Consenso de Muestras Aleatorias (RANSAC) para extraer líneas de valla, y luego se extrajeron las características del contorno de la frontera mediante proyección en el suelo. Por último, se añade un factor de influencia objetivo a la función de campo de potencial repulsivo para determinar el principio de selección óptima de los parámetros del método mejorado del campo de potencial artificial y la dirección repulsiva, y para aclarar la estrategia óptima de evasión de obstáculos para el robot empujador. Se puede verificar el efecto de evasión de obstáculos del algoritmo mejorado. Los resultados experimentales mostraron que bajo tres entornos diferentes: sin ruido, ruido gaussiano y ruido artificial, las líneas de valla fueron extraídas utilizando RANSAC. Tomando el cambio en la pendiente como indicador, los resultados obtenidos fueron aproximadamente -0,058, 0,058 y -0,061, respectivamente. La pendiente obtenida por el método RANSAC tiene menos variación en comparación con el grupo sin ruido. En comparación con LSM, los resultados de extracción no cambiaron significativamente, lo que indica que RANSAC tiene cierta resistencia a varios ruidos, pero RANSAC tiene un mejor rendimiento en efecto de extracción y rendimiento en tiempo real. Los resultados de la simulación y las pruebas reales muestran que el método mejorado del campo de potencial artificial puede seleccionar parámetros razonables y direcciones de fuerza repulsiva. La ruta optimizada aumenta la distancia más corta de la nube de puntos de obstáculos desde la ruta de navegación de 0,18 a 0,41 m, donde el tiempo promedio es de 0,059 s y la desviación estándar es de 0,007 s. Esto muestra que el método de optimización puede optimizar la ruta en tiempo real para evitar obstáculos, satisfacer básicamente los requisitos de seguridad y rendimiento en tiempo real, y evitar efectivamente el problema del mínimo local. Esta investigación proporcionará referencias técnicas correspondientes para que los robots empujadores superen los problemas existentes en el proceso de navegación autónoma y operación de empuje en escenarios abiertos complejos.