四足机器人在探测、救援、防爆、运输等方面有着广泛应用,其能在运动过程中跨越障碍,深入到人类无法进入的恶劣未知环境中。为自主化完成任务,四足机器人必须能够提供准确的自身状态量信息,同时能感知3D环境并构建地图。但惯性传感器存在随机误差和解算漂移,足端传感器存在冲击振动导致解算误差,进一步影响状态参数计算的准确性。对于这些不足,本文开展了四足机器人在3D环境中的感知与状态估计方法研究,并开展相应实验验证。通过分析四足机器人的作业要求及运动特点,梳理系统并设计了编码器、雷达、惯导等相结合的环境感知及定位系统。从四足机器人的系统本体、仿真平台和系统软件、硬件框架等方面进行全面分析,进而确定感知定位系统的需求和性能指标;对感知定位系统进行具体的传感器方案设计,包括传感器选型、测量模型推导、传感器误差标定和数据处理,并引入误差评价计算。该设计方案给出了一套清晰合理、高效完整的四足机器人感知定位系统框架。针对四足机器人的行走和移动方式,提出了内部传感器与惯性测量单元相结合的3D状态估计方法。根据传感器特性进行数值建模,通过腿部里程计得到基座状态量;为提高里程计精度,采用误差卡尔曼滤波算法对误差状态值进行融合补偿;搭建四足机器人仿真环境并进行里程计的精度和运动性能验证。该方案能可靠提供给四足机器人状态信息,验证了腿部里程计算法的可行性。提出了基于激光、足端力传感器、惯性测量单元和编码器等多传感器融合的非结构环境地图构建与四足机器人定位方法。为更充分表达和利用环境信息,建立不同类型的环境地图;结合精度较高的外部传感器和全局地图进行全局位姿估计,为保证频率和精度的均衡,采用卡尔曼滤波算法输出高频高精度的里程计信息;在仿真环境进行建图和定位实验测试。该方案能够实现冗余传感器数据间的融合,并进一步提升里程计频率和精度效果。最后,搭建四足机器人环境感知与定位实验系统并进行实验验证。开展传感器实验降低测量误差,对前述使用内部传感器的状态估计方法和基于多传感器融合的定位方法进行了状态量精度验证。实验结果表明,该算法有效且精度频率都较高,能够为运动控制和导航提供可靠的状态信息。