原文标题：Gait-Aware quadruped 3D mapping in challenging environments with complex terrain
作者：赵昕格，张星，倪一清，李清泉，曾文涛，冯海霞，周一博
来源：ISPRS Journal of Photogrammetry and Remote Sensing（影响因子12.2、中科院1区TOP期刊）
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S0924271626000614
DOI：
10.1016/j.isprsjprs.2026.02.010
近期，深圳大学李清泉院士团队在摄影测量与遥感领域顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing上在线发表了题为“Gait-Aware quadruped 3D mapping in challenging environments with complex terrain”的研究论文。论文第一作者为深圳大学和香港理工大学联合培养博士生赵昕格，深圳大学指导老师为李清泉院士和张星研究员，香港理工大学指导老师为倪一清教授。本研究提出复杂地形环境下四足机器人SLAM新框架，并构建蕴含多样化复杂地形场景和机器人运动状态的四足机器人SLAM开源数据集。
数据集已开源，欢迎下载和引用，数据集网址：
https://github.com/EN3D-Lab/Quadruped-SLAM-dataset
研究背景
无人自主测绘技术是复杂地形场景（如地下空间、野外环境、灾后场景等）空间三维数据实时获取的有力途径，能够有效保障测绘人员在高危场景下（如不良地质、建筑垮塌、有害气体等）的生命安全，提升测绘任务执行效率。
四足机器人（quadruped robot）具有优秀的地形适应性和移动灵活性，体型小巧，是复杂地形环境下无人自主测绘的重要载体。然而，在无人三维测图任务中，四足机器人灵活多样的运动状态、切换频繁的步态、地面接触不平稳、易打滑摔跤等特性往往会引入严重的运动畸变与累积漂移，显著削弱即时定位与建图（SLAM）系统的鲁棒性，亟需发展能适应复杂地形运动环境的四足机器人SLAM框架，实现四足机器人灵活运动（包括不稳定运动）条件下的准确定位与三维建图。
研究方法
针对上述问题，本研究提出能适应复杂地形运动环境的四足机器人SLAM框架(如图1所示)，包括基于步态感知的腿式里程计、顺序更新的LiDAR-Inertial-Leg SLAM和置信度感知的平面约束足端更新机制，并构建了多种复杂地形场景下的四足机器人SLAM开源数据集(已开放下载) 。
图1. 复杂地形环境下四足机器人SLAM框架
1. 基于步态感知的腿式里程计
提出一种基于步态感知的腿式里程计（GA-ESKF），将状态分类与位姿估计解耦，结合运动学模型对腿间时空一致性和站立相位约束显式建模，以提升在异常运动事件（如机器人失去平衡）下里程计的稳定性。
2. 顺序更新的LiDAR-Inertial-Leg SLAM
提出一种基于顺序更新策略的复杂地形场景四足机器人LiDAR-Inertial-Leg SLAM，有效处理四足机器人运动中常见的瞬时运动变化，抑制短期IMU前向传播误差并减轻四足机器人运动造成的LiDAR点云失真，实现精确的点云配准、鲁棒的状态估计和高质量三维建图。
3. 置信度感知的平面约束足端更新机制
面向复杂地形和四足机器人灵活运动造成的高程漂移，提出了基于置信度感知的平面约束足端更新机制，将LiDAR建图结果作为约束更新足端高程，有效增强里程计位姿估计的鲁棒性，以及其与LiDAR建图结果之间的一致性。在机器人运动状态突变甚至出现异常的条件下，也能准确恢复高程信息并保持稳定的建图性能。
4. 四足机器人SLAM数据集构建
构建蕴含多样化复杂地形场景和机器人运动状态的四足机器人SLAM开源数据集（QuadSLAM Dataset），数据类型包括LiDAR点云、IMU数据以及四足机器人腿部运动学数据，如关节编码器与接触传感器数据等。场景覆盖陡峭和平缓的不平坦自然山坡、高软草、可变形的森林落叶层、刚性混凝土路面、斜坡、几何特征有限的楼梯间、地下停车场、狭窄走廊、长直马路和杂乱的半室外环境等（如图2所示）。四足机器人状态包括趴卧、行走、攀爬台阶、奔跑，以及不稳定的运动如脚打滑、失去平衡和恢复等。为促进复杂场景下四足机器人SLAM的相关研究，数据集已开源，欢迎下载和引用，下载地址：
https://github.com/EN3D-Lab/Quadruped-SLAM-dataset。
图2. 数据集场景概览
结果与分析
1. 腿式里程计精度评估
实验表明，本研究设计的腿式里程计GA-ESKF能在具有挑战性的机器人运动模式下显著提高状态估计的稳定性，轨迹定位误差相比4种开源里程计分别降低了81.1%、78.2%、60.5%和15.6%（如表1所示）。
表1. 腿式里程计精度比较 (RMSE of ATE, meters)
2. 四足机器人SLAM框架性能评估
本研究四足机器人SLAM框架在多种复杂地形环境和机器人运动状态下均能实现稳健状态估计与三维建图。相较于多种主流SLAM框架，状态估计误差分别降低88.8%、82.3%、75.9%、71.1%和44.9%（如表2所示）。在典型室内场景下，对比算法建图结果存在明显的错位重影和模糊问题，本研究算法的建图结果边界清晰、结构完整，未出现重影或错位（如图3所示）。
表2. SLAM状态估计精度比较 (RMSE of ATE, meters)
图3. 典型室内场景建图结果对比
3. 异常运动下四足机器人SLAM精度评估
在复杂地形场景三维建图任务中，四足机器人通常需要不断切换运动状态，甚至可能出现异常运动状态。为了进一步评估所提出SLAM框架的鲁棒性，本研究在四足机器人出现异常状态的条件下进行定位与建图测试，异常状态包括传感器数据丢失、剧烈的身体晃动、不规则的运动状态切换、爬楼梯以及跌倒并重新站立等。实验结果表明，本研究在四足机器人异常状态下也能够实现高质量三维建图。例如在机器人发生剧烈晃动时，对比算法的定位结果存在明显偏移失真，而本算法有效抑制了剧烈晃动状态对机器人定位结果的影响（如图4所示）。
图4. 四足机器人剧烈晃动条件下的定位结果对比
图5展示了四足机器人发生摔倒后重新站立状态下的建图结果对比。对比算法在机器人摔倒前后的建图结果上存在明显分层错位，而本算法在机器人摔倒前后的建图结果上保持了一致。
图5. 四足机器人发生摔倒后重新站立状态下的建图结果对比
研究总结
针对复杂地形和灵活多样运动状态条件下四足机器人定位与建图问题，本研究提出了一种显式引入四足机器人步态感知与状态估计置信度更新的SLAM新框架，构建了包含多种场景和四足运动状态的SLAM开源数据集。实验表明，所提出框架的性能明显优于SOTA框架，能够在四足机器人灵活运动甚至异常运动状态下实现高质量稳健三维建图。数据集开源链接：
https://github.com/EN3D-Lab/Quadruped-SLAM-dataset。
本研究受国家自然科学基金（42571483）、广东省基础与应用基础研究基金（2025A1515011725）、深圳市科技计划资助（JCYJ20240813142833044）及教育部学科突破先导项目共同资助。
原文信息：Zhao, X., Zhang, X., Ni, Y., Li, Q., Zeng, W., Feng, H., Zhou, Y., 2026. Gait-Aware quadruped 3D mapping in challenging environments with complex terrain. ISPRS J. Photogramm. Remote Sens. 233, 664–688. https://doi.org/10.1016/j.isprsjprs.2026.02.010
京公网安备 11010802031220号