由于具有灵巧的运动能力,四足机器人在复杂环境探测、救援等方面具有重要的应用前景。然而,当前的研究主要解决其在刚性路面上行走的相关问题,而在实际中四足机器人往往需要经过凸凹不平的非刚性路面,极易出现打滑和倾覆等现象。为解决上述问题,本文以实现非刚性路面上四足机器人稳定行走为目标,开展了环境识别、地图构建及状态估计等方法的研究,并进行样机性能测试及实验验证。针对非刚性路面上行走导致的四足机器人位姿状态突变且变化特性不确定的问题,提出了一种考虑足端冲击和滑动的多传感器信息融合方法,实时估计机器人系统的状态。融合IMU、腿部里程计、视觉-惯性里程计和激光里程计等多源信息,基于扩展卡尔曼滤波同时获得身体位姿和全局定位信息并以不同的输出频率提供相应的估计值,其中采用状态估计器的高频输出来准确反映身体状态的快速变化过程,采取状态估计的低频输出在确保全局地图构建精度的情况下提高计算效率。所提出的方法兼顾了精度和计算效率。为实现非结构化环境和非刚性路面的识别与评估,提出了一种同时对路面倾斜度、粗糙度、高度和刚度进行估计的方法,提高环境感知和建模的准确性。利用深度相机点云求取表面倾斜度和粗糙度,将相机点云信息与机器人运动学和动力学模型结合起来,实现非刚性路面高度的估计,并对环境数据集进行语义分割得到路面刚度估计值。所提出的路面状态估计及表面评估方法能够弥补传统环境感知方法的不足,为复杂运动的规划提供多类环境信息。基于前述机器人自身状态和路面状态估计和评估结果,提出了一种非刚性路面下四足机器人通过性地图的构建方法。采用栅格地图格式,构建了全局地图和局部地图,利用定位信息和行走表面评估结果建立局部通过性地图,利用全局定位和局部地图建立全局通过性地图。与传统方法相比,所提出的通过性地图构建方法反映了三维空间的特点,信息更加丰富。结合前述研究结果,构建了四足机器人样机的感知系统,并进行性能测试和实验验证。结果证明,上述方法可实现四足机器人在非刚性路面下对自身状态的准确估计,对非刚性行走表面信息的准确评估并可自主建立可通过性地图。