随着机器人技术的发展,机器人与人在服务业和工业等动态场景中的合作越来越紧密。在这种以人为中心的场景中,保证机器人产生反应性运动以及避免与人或其他环境发生碰撞至关重要。传统机器人控制方法能够实现机器人在结构化环境中高速、高精度运动,然而这些方法严重依赖于对机器人运动的离线规划,故难以在非结构化环境中灵活地、安全地应对环境的动态变化。因此,为了提高机器人在动态环境中适应性和安全性,本文从环境感知、避障策略、机器人控制三个方面开展动态环境中机器人在线避障方法的研究。为了提高机器人运动在动态环境中的适应性,本文利用非线性动态系统对机器人点到点运动进行建模,并从一组机器人示教轨迹中建立通用鲁棒的机器人控制策略。为了提高机器人在多种动态环境中运动的安全性,针对小体积障碍物的避障问题,本文对障碍物进行解析建模,并提出基于动态调制矩阵的避障策略;针对多机器人安全共存问题,本文提出基于排斥速度的避障策略;最后,针对一般动态环境的感知问题,本文提出一种基于深度相机的环境感知方法,用以估计机器人与动态环境之间的距离,大大提升避障策略的应用范围。以上研究均在仿真或实机机器人平台上进行了实验验证。本文主要研究内容以及创造性成果如下:（1）机器人鲁棒控制策略的建立。利用高斯混合模型对一组机器人点到点运动的示教数据中进行建模。为了保证该点到点运动在动态环境中的稳定性和适应性,将高斯混合回归形式化为非线性动态系统,并构造李雅普诺夫函数分析该非线性动态系统稳定的充分条件。最终将高斯混合模型的参数估计问题转化为有约束的最优化问题来求解出局部最优的模型参数。在UR5机器人上的仿真实验表明,所得到的机器人控制策略具有较好的泛化能力和应对外界扰动的鲁棒性。（2）基于动态调制矩阵的小障碍物避障研究。对小体积障碍物建立其解析表达式。构造动态调制矩阵来实时修正由动态系统生成的运动轨迹。针对机器人末端避障和机器人连杆避障分别设计了速度调制模块,并将该模块嵌入到基于动态系统的运动生成框架中。通过仿真实验表明,基于动态调制矩阵的机器人避障方法能够实现机器人末端和机器人连杆对于小体积障碍物的在线避障。机器人末端与障碍物之间的最近距离为0.05m,机器人连杆与障碍物之间的最近距离为0.01m。（3）基于排斥速度的多机器人避障研究。针对多机器人安全共存问题,提出基于排斥速度的避障方法,并对机器人平台模型进行了简化,以便于计算机器人与环境间的最短距离。该距离用来生成排斥速度实现机器人对环境的避障效果。通过在双臂机器人平台上开展的实验表明,基于排斥速度的机器人避障方法能实现机器人末端和机器人连杆相对环境产生排斥运动行为,从而实现避免与环境发生碰撞。双臂机器人末端之间的最近距离为0.1m,机器人连杆与环境之间的最近距离为0.05m。（4）基于深度相机复杂环境下的避障研究。为了解决机器人在不确定性场景中避障的环境感知问题,本章提出一种基于深度相机的感知方法,直接从深度图像中估计机器人与环境之间的距离,无需对障碍物进行解析建模。并利用该距离向量生成排斥速度。在UR5机器人平台上开展实验,实验结果表明,基于深度相机的机器人避障方法实现机器人连杆对环境产生排斥行为,因此能够避免与环境发生碰撞。