移动机器人在未知复杂环境中的自主导航一直是机器人研究领域的热点，而机器人避障是机器人自主导航系统最基本的功能。虽然视觉传感器具有其它传感器无法比拟的优点，但视觉传感器用于机器人避障的研究却较少。目前，视觉传感器在移动机器人导航、障碍物识别中的应用越来越受到重视，尤其是伴随着近年来对飞行昆虫视觉机理研究的深入，科学家发现飞行昆虫由于复眼构造特殊，并不是运用双目立体视觉估计场景深度来进行导航，而是利用光流来控制自身的各种飞行行为，致使模仿飞行昆虫视觉机理的基于光流的单目避障方法研究成为研究的热点。本文对基于光流的机器人仿生避障技术进行了研究，主要研究工作包括：(1)扩充了传统的光流算法性能评价指标，并用于光流算法评估。由于用于实时避障的光流场计算必须兼顾速度和精度，本文在进行光流算法评估时，在传统算法误差评价指标的基础上加入了运行时间。针对微分法中图像时空导数的计算对算法性能影响巨大的问题，采用两组合成图像序列对五种常见的导数算子进行实验，并运用扩充后的光流评价指标定量的比较了各导数算子的性能。(2)针对光流计算传统微分法中HS算法和LK算法存在的问题，提出了三种改进的微分算法，即稀疏LK算法、高斯金字塔LK算法和局部与全局相结合的算法（CLG）。分别对改进的三种算法与传统的微分法进行了性能对比实验，实验结果表明每种改进的算法都在某一方面改善了算法性能，但从三种改进算法的整体性能指标发现，局部与全局相结合的算法性能优于其它两种方法。(3)提出了一种基于TTC障碍地图的移动机器人避障算法。该算法首先利用最小二乘法从光流场中计算FOE(focus of expansion)，进而计算碰撞时间TTC，然后利用TTC构建障碍地图，并基于障碍地图实现移动机器人的避障。实验结果表明，该算法能实现移动机器人在未知环境中无碰撞地行走。(4)针对原始平衡策略只适用于走廊等简单环境，不适用于复杂环境的问题，提出了一种改进的移动机器人避障平衡策略。该策略首先利用图像中心部分的光流幅值来判断前方是否存在即将碰撞的障碍物，需要避障时则采用原始的平衡策略避开障碍物一侧，不需要避障时就不做出避障动作，继续前进。实验结果表明，改进的平衡策略能使机器人做出较好的行动决策。