Los robots agrícolas han demostrado un potencial significativo para mejorar la eficiencia operativa de las granjas y reducir la mano de obra manual. Sin embargo, los entornos agrícolas no estructurados y complejos presentan desafíos para la localización y navegación precisas de los robots en tiempo real. Además, los altos costos de los sistemas de navegación en los robots agrícolas obstaculizan su adopción generalizada en sectores agrícolas sensibles al costo. Este estudio comparó dos métodos de localización que utilizan el Filtro de Kalman de Estado de Error (ESKF) para integrar datos de odometría de ruedas, una unidad de medida inercial (IMU) de bajo costo, un sistema de navegación por satélite global cinemático en tiempo real (RTK-GNSS) de bajo costo y el algoritmo de Odometría Inercial-LiDAR a través de Suavizado y Mapeo (LIO-SAM) utilizando una IMU de bajo costo y un sensor LiDAR de 16 canales RoboSense. Estos dos métodos fueron probados en entornos agrícolas no estructurados por primera vez en este estudio. Los resultados del experimento muestran que el método de fusión de sensores ESKF sin un sensor LiDAR podría ahorrar un 36% del costo en comparación con el método que utilizó el algoritmo LIO-SAM, manteniendo una alta precisión para aplicaciones agrícolas.