在六足机器人任务执行过程中，研究如何提高其地形场景信息的感知及识别能力是一个非常关键的问题。机器人地形场景信息获取的方式有很多，其中凭借着获取信息量大、高效率等优势而得到广泛应用的双目立体视觉方式，不仅能够获取到场景的二维图像信息，而且可以通过立体匹配技术恢复出场景的三维信息，是六足机器人地形三维重建与场景识别的理想方式。　　在基于双目视觉的六足机器人地形三维重建中，针对立体匹配精度与速度相互制约的问题，研究能使二者同时满足应用需求的立体匹配优化算法是课题研究的重中之重。因此在双目系统标定与极线校正的前提下，引入了基于支撑点邻域扩展的立体匹配算法策略，在保证匹配精确度的同时加快了全局最优视差值求解速度，实现了地形场景视差图的实时准确获取。　　通过视差图能够恢复出地形表面的三维点云数据，但由于点云数量巨大很难处理，因此结合两种主流算法的优势提出了基于八叉树拓扑关系的曲率精简法，在保证精度的同时兼顾了速度与简度。为了实现地形表面精细建模以指导六足机器人落足点选取，在改进组合两种常用三角剖分算法的基础上，提出了基于2D Delaunay投影的边界点生长法，在保证重建质量的同时提高了效率。　　针对不同特点的任务执行场景，六足机器人一般要采用不同的运动策略。由于传统的场景识别方法无法保存经验知识，因此在深入研究深度学习原理及特点的基础上，提出了基于CNN深度学习模型的场景识别方法，通过场景图像的训练使六足机器人获得了类似于人类思维的经验记忆场景识别能力。　　为了验证在基于双目视觉的六足机器人地形重建与场景识别中所提算法的有效性与可行性，分别对双目视觉立体匹配、地形表面三维点云精简与三角网格化重建、深度学习场景识别进行了实验，实验结果验证了各研究阶段所提算法在速度和精度上的优越性。