La navegación autónoma en invernaderos requiere que los robots agrícolas se localicen y generen un mapa globalmente consistente del entorno en tiempo real. Sin embargo, la localización y el mapeo precisos y robustos siguen siendo un desafío para los robots agrícolas debido a las condiciones ambientales no estructuradas, dinámicas y sin GPS. En este estudio, se presentó un sistema de localización y mapeo en tiempo real de última generación para lograr una estimación precisa de la posición y un mapeo denso de nubes de puntos tridimensionales (3D) en invernaderos complejos mediante la fusión de múltiples sensores y odometría Visual-IMU-Wheel. En este método, las mediciones de la odometría de las ruedas, una unidad de medición inercial (IMU) y una odometría visual-inercial (VIO) están integradas en un marco de trabajo débilmente acoplado basado en el Filtro de Kalman Extendido (EKF) para obtener una estimación del estado del robot más precisa. En el algoritmo de fusión de múltiples sensores, las estimaciones de posición de la odometría de las ruedas y la IMU se tratan como predicciones y los resultados de localización de VIO se utilizan como observaciones para actualizar el vector de estado. Simultáneamente, el mapa 3D denso del invernadero se reconstruye en tiempo real mediante el ORB-SLAM2 modificado. El rendimiento del sistema propuesto se evaluó en invernaderos solares modernos estándar con duras condiciones ambientales. Aprovechando las mediciones de sensores individuales, nuestro método es lo suficientemente robusto como para hacer frente a varios desafíos, como se muestra en experimentos extensos realizados en invernaderos y entornos de campus al aire libre. Además, los resultados muestran que nuestro marco propuesto puede mejorar la precisión de la localización de la odometría visual-inercial, demostrando la capacidad satisfactoria del enfoque propuesto y resaltando sus prometedoras aplicaciones en la navegación autónoma de robots agrícolas.