近年来,许多研究专注于智能机器人的设计与开发,机器人在控制领域的发展也越来越成熟,为机器人的技术研发提供了更加可靠的保障。现在国内外的研究大多集中于仿生型机器人,特别是仿生六足机器人的开发。但是目前的仿生六足机器人在运动性能、图像识别、智能化等方面还不能达到理想状态。在面对不同类型的障碍时,六足机器人在识别和躲避障碍的过程中还存在许多问题。因此,六足机器人在自主判断不同类别障碍和避障决策方面还存在很大的研究空间。为了增强机器人在识别和躲避障碍时的准确度,也为了提高机器人在避障过程中的灵活性,本文针对六足机器人自主障碍识别分类和避障控制方法展开以下几个方面的研究:（1）为了获取机器人与障碍物距离及障碍物尺寸信息,本文研究了超声波及视觉传感器检测方法。首先,基于超声波测距原理,获取障碍物与机器人的实时距离。其次,本文采用视觉图像系统对障碍图像进行预处理。然后,对比多种传统边缘检测算子的不同性能及特点,本文提出一种优化Canny算子,对障碍物进行图像边缘特征检测。最后,通过对比多种传统图像特征点匹配算法,本文提出一种增强SURF算法,该算法利用网格匹配法对障碍物进行图像特征点匹配,大大提升图像匹配效率。（2）为了使机器人的运动状态更稳定,本文研究了机器人步态控制方法。通过设计仿生六足机器人的三维模型,对仿生六足机器人进行直行步态和转弯步态仿真分析。该方法采用三足步态与五足步态相结合的方式,对仿生六足机器人的三维模型进行仿真实验。本文通过改进驱动函数,结合多种步态结构的运动方式进行机器人避障和越障,保证六足机器人在实时避障过程中的稳定性。（3）为了保证机器人准确识别检测并灵活躲避障碍物,本文研究了障碍物检测与机器人避障控制方法。首先,基于双目摄像头成像的三角形相似原理,本文利用障碍物与机器人的距离、图像边缘特征信息和图像立体匹配结果,计算障碍物的高度、宽度和深度。然后,将障碍物分类算法和机器人步态控制方法应用到六足机器人的控制系统中,实现机器人障碍检测与避障控制的实时协调。最后,通过实验获得的障碍物信息及六足机器人运动数据,证明本文提出的方法在机器人避障运动过程中有效可靠。本文基于仿生六足机器人的平台进行障碍识别分类及避障控制方法实验,证实仿生六足机器人在障碍识别分类方面相对精准,在避障控制方面取得了令人满意的效果。