人工智能技术的发展,促使家用机器人相关技术越发受到重视,目前,基于环境信息融合与环境类型识别的机器人自主避障行走问题成为一大研究热点。然而传统家用机器人存在远程控制数据交互性差,对环境类型数据使用不足,避障行走数据处理方式单一等问题。因此本文针对这几点完成了机器人系统搭建,环境类型识别以及避障算法的研究。针对机器人远程控制数据交互性差的问题,搭建了基于视频与热图数据的可视化远程控制系统;针对环境类型数据使用不足的问题,利用多种传感器感知环境数据,完成了环境类型的有效识别;针对避障行走数据处理方式单一的问题,实现并改进了传统的避障方法,提出了一种基于环境感知及自适应模糊神经网络的机器人避障行走算法。首先,论文搭建了基于Web的远程机器人控制系统。基于DF-Robot团队的HCR机器人开发平台和树莓派开发板,设计并实现了一个基于Web的远程机器人控制系统。该系统独立安装了超声波、红外、碰撞等多类型传感器,能够实现远程信息交互、远程机器人行走控制等功能。另外,将ECharts可视化工具引入该系统,由此障碍距离信息能够以热图和雷达图的形式显示在远程控制端。然后,提出一种基于环境信息感知的环境类型识别方法。充分挖掘各类型传感器的环境感知数据,有效识别沿墙、坡度、地势、危险等具体环境类型,从而为机器人危险故障时的紧急制动以及后续的避障算法提供数据支撑。同时,本文研究并实现了基于模糊推理和自适应模糊神经网络的机器人避障算法。利用已搭建的远程机器人控制系统,设计并实现了基于模糊推理的机器人避障算法和基于自适应模糊神经网络(ANFIS)的机器人避障算法。采集的典型实验数据表明两种算法均可以在一定程度上有效实现机器人的避障行走,且相较模糊避障算法,基于ANFIS的避障算法的训练误差更小。最后,将性能更优的ANFIS避障算法与环境识别方法结合,提出一种基于环境类型感知与自适应模糊神经网络的机器人避障算法。该算法中,ANFIS避障算法与环境类型识别方法同时工作,再通过权重避障策略进行结果调整,达到基于环境类型的避障行走目的。实验数据表明采用本文提出的避障算法下,机器人可有效避障行走,行走速度能够针对不同环境类型进行权重调整,有效克服了传统避障算法对环境感知不足或忽视的缺陷。