智能机器人如扫地机器人、自动分拣机器人和配送机器人目前在家居和工业生产等领域代替人从事大量简单重复的工作,极大地提高了生产力,并在可预见的未来将进入更多的应用场景帮助我们进行生产生活活动。当前限制机器人应用的一个巨大挑战就是如何在更复杂的条件下如自然、城市和工厂等环境中进行稳定地运动。本文研究了如何在视觉信息的辅助下进行规划和控制四足机器人的运动,这使得四足机器人能够通过选择合适的触地点和身体姿态来实现在粗糙地形中的稳定工作。针对这一问题,本文主要从三个方面进行处理:四足机器人的状态估计问题、将视觉信息处理为可以使用的地形信息问题和利用地形信息优化控制算法的问题。针对四足机器人的状态估计问题,本文提出了一种融合显式互补滤波器和不变扩展卡尔曼滤波器的状态估计算法。不变扩展卡尔曼滤波器在处理非线性滤波问题上有巨大的优势,其通过在李群流形上重新定义状态误差的表达形式,在不考虑零偏差项的条件下误差动力学可以被证明是独立传播的,其收敛性和一致性得到了保证。本文使用显式互补滤波器作为预处理环节建立了融合显式互补滤波器和不变扩展卡尔曼滤波器的状态观测器,提高了状态估计算法的计算效率。融合后的状态估计算法将IMU的高斯噪声和零偏差项考虑在内,并在实验和仿真中证明其收敛性优于基于扩展卡尔曼滤波器的状态估计算法。针对四足机器人周边环境的实时地图测绘问题,本文提出了一种利用机器人状态估计信息和本体感知传感器信息的地形制图算法。本文建立了一个点云处理模型来处理传感器的返回值,建立了一个点云恶化模型来处理四足机器人状态值漂移造成的地图漂移问题,提出了一个伪均值滤波算法对地形图进行平滑处理,得到了一个能够较大程度上映射出机器人周边的环境信息的高程地图。在获得不断更新的以机器人为形心的高程地图的前提下,本文提出了一种基于高程地图信息的足端位置优化算法和一种位姿优化算法来选择一个能够满足机器人站立要求的目标位置。同时,基于高程地图中的障碍信息,本文提出了一种摆动腿轨迹规划算法来规划一条最短无碰撞的期望摆动腿轨迹。在这些算法的辅助下,本文实现了四足机器人在没有先验知识的条件下能够跨越显著的障碍,在复杂环境中运动。上述算法在四足机器人SCIT-Dog上进行实验验证,融合显式互补滤波器和不变扩展卡尔曼滤波器的状态估计算法在X、Y方向收敛性较好,且计算效率满足在线计算的要求;地形图绘制算法得到的高程地图可以满足优化算法的需要;四足机器人通过跟踪优化后的期望立足点、期望位姿、期望摆动腿轨迹实现在复杂环境中的运动。