众所周知,地球上的陆地表面积约为1.49亿平方千米,并且一半以上的陆地表面是崎岖不平的、非结构化环境,而四足哺乳动物在类似的环境中具有出色的移动能力和敏捷性。因此,以其为仿生对象,一系列具有四足动物运动特性的四足机器人涌现出来,四足机器人在复杂环境中拥有其他移动机器人的短板优势,具有高灵活性、高机动性、高环境适应性和高动态性,是近年来特种机器人的研究热点之一。如今,随着对四足仿生机器人的研究,其结构和稳定运动控制技术已经越来越成熟,提高四足机器人的智能化已经成为当前的热点之一。四足机器人要能够与人共融,实现自然交互,具备环境感知方面的能力不可或缺,这方面的研究成为了四足机器人研究领域的核心内容之一。因此,本文开展了四足机器人环境感知方面的研究工作,相关的研究可分为自主循迹、人员跟踪和自主避障。主要包括以下内容:（1）基于小型电驱动四足机器人物理平台,在集成彩色摄像头和相关处理单元基础上,设计了一种跟踪性能较好的自主循迹算法,结合四足机器人的方向运动控制策略,实现了机器人的自主循迹跟踪,为后续机器人环境感知能力的提高提供了一定的算法应用基础。（2）设计实现了基于深度相机的四足机器人自主跟踪及避障算法。四足机器人搭载Real Sense D435深度相机传感器以及高性能超级计算机Jetson TX2处理器,通过深度相机采集到彩色图像信息以及深度图像信息,然后调用YOLOv3卷积神经网络识别检测目标人员并获取其位置坐标信息,再运用图像处理手段获取障碍物图像像素坐标信息,基于这些信息设计提出了跟随转向算法和避障横移算法,实现了四足机器人的单目标跟踪和避障功能,并在四足机器人物理平台上验证了算法的可行性和有效性。（3）为了进一步提高四足机器人的人员跟踪以及自主避障能力,弥补本文基于视觉无法实现多目标中特定目标跟踪的不足,又设计提出了一种融合3D激光雷达和UWB（Ultra Wide Band,超宽带）定位系统的方法。该方法首先构建三个UWB基站场地模型,通过基于双边飞行时间双向的UWB测距方法获得基站与标签之间的实测距离信息,在原有三边定位方法的基础上,本文改进提出了加权三边定位算法,通过该算法实现对手持UWB标签的跟踪人员以及搭载UWB标签的四足机器人的位置确定,然后为了尽可能检测到不同大小高度的障碍物,使用3D激光雷达进行障碍物点云信息采集,利用统计滤波算法对原始点云进行预处理,结合RANSAC（Random Sample Consensus,随机抽样一致）算法消除地面点云,之后将UWB标签位置及障碍物点云进行二维栅格地图映射,最后引入基于滑动窗口的A*路径规划算法对最优路径进行实时规划,完成了四足机器人的人员跟踪及避障。在四足机器人物理平台上验证了算法的可行性和有效性。