仿人机器人因其独特的外观结构和灵活强大的功能一直是智能机器人技术领域中热门的研究方向。仿人机器人步行功能的实现也为其他上层功能的展开提供了基础。尽管目前存在一系列针对实现仿人机器人在平整地面环境下稳定步行功能的理论和方法,但是在非平整地面条件下,仿人机器人步行规划的效果仍有待提高。针对这个问题,本文对仿人机器人步行规划和控制进行了研究,提出了在不平整地形环境下也能有效规划出合理落脚点的路径规划算法,同时结合深度强化学习对传统的预观控制方法进行改进,设计了改进的预观控制器,让仿人机器人能够根据已经规划好的路径平稳行走。本文主要的研究工作包括以下几个方面:1)提出了基于地形环境的自适应路径规划算法。利用传感器感知地面环境建立点云地图,并进行参数化描述。针对不同的地面环境情况,设计了多种步态集合用于自适应路径搜索,高效地完成不平整路面环境下路径规划的目标。2)提出了基于深度强化学习和预观控制的步态规划方法。首先分析了传统预观控制理论的缺点,同时在深度强化学习的基础上设计了改进预观控制算法,从而解决仿人机器人在不平整环境下平稳行走的问题。此外根据仿人机器人的步行特点,提出机器人行走时的手臂摆动策略,让机器人的步行运动更加自然和稳定。3)设计了改进的适用于仿人机器人的步行控制器。在提出的改进预观控制算法的基础上,结合仿人机器人实际的步态规划和平衡控制方法,描述了一种改进的仿人机器人步行控制器,对仿人机器人在不平整地面上的行走进行有效地规划和控制。4)设计并实现了一套仿人机器人步行运动系统,主要包括地图创建模块,路径规划模块和步行运动模块,实现了用户和仿人机器人之间操作上的交互。实验结果表明,本文提出的路径规划方法能够较为有效地在不平整甚至是复杂环境下为机器人搜索和规划出合理的落脚点;本文提出的基于深度强化学习和预观控制方法能够比较成功地对仿人机器人的步行运动进行规划和控制。