相较于六足、八足机器人,四足机器人有着更为简单的结构与控制逻辑以及成本更低,由于可以通过选择离散的落足点、改变自身步态和速度而降低非结构化地形中可能出现的颠簸、滑倒、陷入等一系列风险,使其适用于各种复杂地形,近年来受到业界广泛关注和研究。四足机器人在非结构化地形中运动过程中,为保障其运动稳定性,首要前提是对所处的地形做出及时、足够精确的地形环境测量与感知估计。为此,本文重点围绕四足机器人在非结构环境中的感知技术展开研究,在兼顾实时性与可靠性基础上,提出一种以视觉感知为主、机器人本体物理感知为辅的四足机器人非结构化地形感知方案,开展了如下研究工作:在视觉感知方面,本文首先利用RGB-D相机采集到的深度图像构建了带有传感器不确定度和机器人位姿不确定度的2.5D栅格高程地图,然后建立了基于视觉词袋框架的地形语义识别模型,得到栅格语义地图。然后采用高度残差法度量地形表面粗糙度,最后将2.5D栅格地图中的高程估计值,高度方差值、地形语义信息、地形粗糙度值投影到同一栅格内构建了多层平面特征地图,以便后续的感知处理。由于四足机器人视觉在非结构化地形的某些特殊地形中存在判断错误的风险,在辅助视觉的本体物理感知方面,本文建立了基于卡尔曼滤波的接触检测概率模型,由步态相位、足端压力、足端高度三个接触概率模型融合而成。然后在接触检测模型的基础上,结合四足机器人本体传感器,建立了基于线性最小二乘原理的地形坡度估计,并根据地形平面方程分别对落足点位置、期望姿态、足端力约束条件三个方程进行调整,提高了四足机器人在非结构化地形中的稳健性。在仿真与实机测试部分,为验证前文中的算法,在ROS环境下构建了几种带有特色的非结构化地形,并在此基础上构建2.5D栅格高程地图,地形分类测试,地形分类平均精度达到了94.8%。坡度估计仿真验证了坡度估计算法的正确性,并在各种非结构化仿真地形中进行了通性测试。而后在实机平台上也进行了2.5D高程图建立、坡度估计,非结构化地形通过性测试。无论是仿真还是实机实验,均验证了本文算法的有效性,为四足机器人非结构地形感知提供了一定参考价值。