El mapeo del entorno agrícola es la premisa de la navegación autónoma de robots agrícolas. Debido al terreno ondulado y al ambiente caótico, es un desafío mapear con precisión el campo de maíz utilizando los métodos existentes de LOAM (odometría y mapeo LiDAR). Este documento propone un método de LOAM basado en características semánticas del tallo de maíz para la estimación de la pose de 6 grados de libertad (DOF) y el mapeo de campos con robots agrícolas operando en un entorno dinámico. El método de ajuste de planos por partes filtra los puntos del suelo para el terreno agrícola complejo. Para eliminar los factores inestables en el entorno, introducimos la información semántica de las plantas de maíz en la extracción de características. El método de crecimiento regional segmenta las instancias de tallos de maíz, las instancias se parametrizan en un modelo de línea y el método de optimización calcula la transformación de la pose. Finalmente, el método de mapeo corrige el error de deriva de la odometría y genera el mapa del campo de maíz. Este documento compara nuestro método con los métodos GICP y LOAM. Los errores relativos de trayectoria de nuestro método son del 0,88%, 0,96% y 2,12%, respectivamente, mejores que otros métodos. Al mismo tiempo, el mapa dibujado por nuestro método tiene menos efecto fantasma y bordes de plantas más claros. Los resultados muestran que nuestro método es más robusto y preciso que otros métodos debido a la introducción de información semántica en el entorno. El mapeo de campos de maíz puede ser utilizado posteriormente en la agricultura de precisión.