足式机器人被视为一种具有代表性的移动机器人。因其可以在运动过程中自主地选取落足点,从而能够在非结构路面上自由地穿行,对于抢险救灾、山地运输、野外勘测、军事应用,行星探索等领域均具有潜在的应用价值。四足机器人在足式机器人家族中占有重要地位,其以四足动物为仿生对象,表现出比双足机器人更好的承载能力和稳定性,同时又具有比六足和八足机器人更理想的灵活性和更简洁的结构。更重要的是,四足机器人在运动能力上具备极大的开发潜力,因此它已逐渐成为国内外学者的研究热点。为了使四足机器人具有自主运动能力,主控制系统需要准确的位置、速度及姿态角等实时运动状态信息。然而,所有传感器的精度都是有限的,其观测值常常存在一定程度的不确定性,这就引出了状态估计问题。进行状态估计的目标便是为了获得状态信息的全局最优估计。对于四足机器人这样的应用对象,往往会给状态估计带来更高的挑战。四足机器人在行走过程中引发的冲击振动,足端与地面之间可能存在的滑动等现象都进一步增加了运动状态估计的难度,这就要求所设计的运动状态估计方法能够同时具有高精度和鲁棒性。在具备上述估计性能后,还要满足四足机器人对实时性的要求。因此对四足机器人的运动状态估计是一个具有挑战且意义深远的课题。本文对四足机器人的运动状态估计方法进行研究,通过提出两种运动状态估计方法,一种激光热成像采集系统和一种融合估计方法,完成运动状态估计系统的整体构建,最终实现对四足机器人运动状态的最优估计,为机器人的主控系统提供了稳定、准确、实时的运动控制参数。首先,本文对捷联惯导进行了预处理,识别出偏差和随机误差,辨识出加速度计及陀螺仪在工作过程中都会受到乘性噪声的干扰。为了提高四足机器人运动状态的估计精度,本文采用正运动学向捷联惯导提供内部参考信息以进行对加速度计的辅助校正。通过正运动学分析,以惯导系统和正运动学解算结果的误差值作为状态变量,在系统仅受加性噪声干扰的理想环境下,可通过本文提出的强跟踪混合阶容积卡尔曼滤波方法对正运动学及惯导系统进行有效的信息融合,在系统同时受加性噪声及乘性噪声干扰的非理想环境下,可通过本文提出的强跟踪改进混合阶容积卡尔曼滤波方法可对二者进行有效的信息融合。融合结果通过反馈校正的方式对加速度计偏差进行补偿并提升惯导系统的输出精度。由于强跟踪的引入,算法能够克服四足机器人因足底冲击振动,足端打滑以及做机动动作或被外力干扰等原因所导致的正运动学解算误差增大的问题,同时通过改进将传统强跟踪容积卡尔曼滤波算法每次滤波需要进行的三次容积点采样缩减到一次,使得计算量大幅减少。通过仿真实验,上述方法的正确性得到了验证。然后,本文引入外部参考信息对捷联惯导内的陀螺仪漂移进行在线校正以提升姿态角的解算精度。同时,为了避免传统视觉算法计算量大,实时性差的问题,通过设计激光热成像采集系统,对视觉里程计的采集系统做出改进,这种采集系统只需拍摄光斑附近局部地面,就可以获得可用于机器人运动状态估计的红外热图像。由于采用主动标记特征点的方式,避免传统视觉算法在面对纹理重复、特征不明显、图像灰度区分度差引起的无匹配问题。通过本文提出的中心方向遍历特征点匹配策略或中心圆周遍历特征点匹配策略,可以快速准确地进行帧间特征点匹配,使得计算量大幅减少。为解决系统同时受加性噪声和乘性噪声共同干扰以及过程噪声和观测噪声相关同时存在的状态估计问题,提出乘性噪声及加性相关噪声容积卡尔曼滤波方法,通过该方法以松耦合的方式将视觉里程计与惯导系统进行融合估计,以姿态角、陀螺仪漂移的误差作为新加入的状态变量,建立状态方程和观测方程进行滤波,将获得的误差估计值对惯导系统进行反馈校正,并对IMU中的陀螺仪漂移进行在线补偿,校正后的姿态角可直接提交主控制系统进行使用。通过仿真实验,上述方法的正确性得到验证。其次,提出鲁棒联邦滤波方法,通过上述两种运动状态估计方法作为局部子滤波器,取代经典联邦滤波中的卡尔曼滤波算法,并通过Sage-Husa法对子滤波器的过程噪声进行在线辨识,通过对无反馈联邦滤波的信息分配因子计算方法的改进,将上述两个局部子滤波器得到的位置误差与速度误差的局部最优估计信息进行信息融合得到全局最优估计。该方法具有很强的容错功能,能够避免全局数据在子系统发生故障时受到污染。本文所提出的方法可以提高整个运动状态估计系统的融合估计精度及鲁棒性,最终将四足机器人的位置和速度全局最优运动状态估计结果发送给主控制系统做闭环控制。通过仿真实验,上述方法的正确性得到验证。最后,本文分别以LS3以及Spot Mini作为参考,设计了在外形及尺寸上均具有明显区别的重型和轻型四足机器人模型,并对其进行崎岖路面和平坦路面的仿真及实际四足机器人的行走实验。实验结果表明本文方法具有普适性和可行性,能够为四足机器人的平滑运动控制提供保障。