四足机器人有着独特的行走优势和对复杂环境的适应力,在其控制体系中,感知系统包含定位、建图、可行域检测等功能模块,是支持上层决策和运动控制的基础。近年来四足机器人运动能力提升较快,能够执行更具挑战性的任务,但目前的感知系统还不能完全匹配其运动性能,在面对高动态场景和复杂地形时无法满足落足点规划和导航的需求。针对四足机器人体积和载重限制,本文设计了多传感器融合的感知系统,具有实时、鲁棒、通用的特点,并在绝影四足机器人平台上进行实现。主要的工作和创新点为:（1）针对四足机器人在起伏地形、剧烈运动、算力限制下的定位问题,提出基于误差状态卡尔曼滤波（Error-State Kalman Filter,ESKF）的紧耦合定位方法,融合雷达和IMU信息提升了定位的实时性和鲁棒性。通过引入分段拟合思想,有效分割起伏地面点云,减小高度方向误差。通过引入滑窗法减少帧图匹配最优化过程的耗时,改进二维描述子提升回环检测效率,在满足精度需求的同时提升了实时性。通过建立误差约束的因子图模型进行联合状态更新,IMU的高频信息有助于提升里程计的抗扰动能力。在460.15m的测试路段内,在最大时速8km/h和最大角速度3rad/s的情况下,定位的绝对轨迹误差小于3m,输出频率在6Hz以上。能够在四足机器人翻滚、跳跃等剧烈运动场景下保持鲁棒。（2）针对台阶、沟壑、斜坡等特殊地形的建图问题,提出基于2.5D栅格形式的局部建图方法,融合位姿估计和相机深度测量信息,实现了足端近地面的稠密、高精度和实时重建。在原栅格图的基础上,提出基于Sobel算子边缘强化方法,避免了地形的过度平滑。在建图过程中增加两阶段去噪,并引入快速行进方法（Fast Marching Method,FMM）进行推断补全,克服动态场景下噪点干扰和数据缺失问题。通过位移量分类近似的方法改进地图融合过程,提升建图实时性。所建地图高程估计误差在3cm以内,输出频率大于4Hz。（3）针对四足机器人足端滑动风险的检测问题,提出一种融合地形粗糙度特征的通行性概率模型,融合深度和图像信息进行栅格级的语义分割,基于面元模型构建轻量化的全局通行性地图,提升了四足机器人规划的安全性和实时性。通过改进分水岭算法分割地形,融合颜色和纹理特征建立分类器,实现栅格粗糙度的语义标注,并有效适应了明暗场景。通过投影区分块检测,增加考虑了栅格间的联系,提升了高差和崎岖地形下可行域的连通性。通过超像素线性迭代聚类（Superpixel Linear Iterative Clustering,SLIC）分割栅格地图,并引入面元模型建立全局地图,在保证建图效果的同时大幅减少计算资源占用,基于CPU算力的全局地图输出在1Hz左右。