自主避障是近年来移动机器人的研究热点之一。自主避障能力能够解除空间对机器人的约束,从而不再固定区域地为人类服务,进一步扩展其应用范围。随着室内环境的日趋复杂和机器人的活动能力不断增强,机器人需感知环境并制定移动策略,而避障则是机器人自主移动的重要能力。本文以仿人机器人NAO为研究对象,采用FastSLAM算法实现即时定位与地图构建,并分别提出了静态环境下和动态环境下仿人机器人的自主避障策略。具体研究内容如下:首先,基于全局坐标系和局部坐标系,建立了仿人机器人移动模型和观测模型,对FastSLAM算法进行研究,通过仿真验证不同粒子数对算法性能的影响。其次,针对多个静态障碍物提出了基于模糊Q学习的路径规划方法。通过模糊推理系统初始化Q表项,使机器人在日常经验的基础之上进行学习,从而能更快收敛,并将其应用于NAO机器人在有障碍物的未知环境下的自主避障行走。针对机器人运动控制噪声的消极影响,采用分数阶PI控制器来校正行走偏差,并通过仿真和实验分验证了算法的有效性和可行性。最后,针对多个动态障碍物环境提出了基于变维花朵授粉算法的路径规划方法,实现了仿人机器人在有移动障碍物的动态环境下的避障行走。采用栅格地图来描述外界环境,并采用剪切式地图更新策略,提高更新效率。综合切比雪夫距离和欧式距离的优点设计适应度函数,使其能合理的对规划路径进行评价。通过仿真研究和实验研究验证了算法的性能和可行性。本文的研究工作可以为移动机器人发展提供理论基础和方法,具有重要的理论价值和科学意义。