1.一种避障方法，其特征在于，包括：

获取包含跟踪目标的场景图像；

根据所述场景图像，确定所述机器人和所述跟踪目标之间是否存在障碍物；

若是，则确定所述障碍物所属的障碍物类型和边界信息，其中，每种障碍物类型对应于一种预设避障策略；

根据所述边界信息和所述障碍物所属的障碍物类型所对应的预设避障策略，控制所述机器人移动；

其中，所述场景图像包括彩色图像和深度图像；

根据所述场景图像，确定所述机器人和跟踪目标之间是否存在障碍物，包括：通过贝叶斯分类器对所述彩色图像和所述深度图像中的跟踪目标进行识别，以得到所述跟踪目标在所述深度图像中的位置框；

对所述深度图像中的深度值进行归一化处理，其中，归一化处理后的深度图像中各像素点的深度值与各像素点所对应的对象到相机的距离呈负相关；

根据归一化处理后的深度图像，生成深度直方图，其中，所述深度直方图中所述跟踪目标所对应的像素点呈高斯分布；

若所述深度直方图中除所述跟踪目标所对应的像素点所对应的峰值之外，存在满足高斯分布均值和标准差的预设条件的峰值，则确定所述机器人和跟踪目标之间存在障碍物；

否则，确定所述机器人和所述跟踪目标之间不存在障碍物；

其中，所述预设条件为：

|μ‑largerdepthvalue|>2*σ其中，μ代表高斯分布中的均值，σ代表是高斯分布中的标准差，largerdepthvalue代表深度值大于跟踪目标的深度值。

2.如权利要求1所述的避障方法，其特征在于，所述障碍物类型包括动态障碍物和静态障碍物；所述动态障碍物对应于动态避障策略，所述静态障碍物对应于静态避障策略；

根据所述边界信息和所述障碍物所属的障碍物类型所对应的避障策略，控制所述机器人移动，包括：在所述障碍物所属的障碍物类型为所述动态障碍物时，根据所述边界信息和所述动态避障策略控制所述机器人移动；

在所述障碍物所属的障碍物类型为所述静态障碍物时，根据所述边界信息和所述静态避障策略控制所述机器人移动。

3.如权利要求2所述的避障方法，其特征在于，根据所述边界信息和所述动态避障策略控制所述机器人移动，包括：根据向量场直方图算法和所述边界信息，确定所述机器人的目标运动方向；

控制所述机器人向所述目标运动方向移动。

4.如权利要求2所述的避障方法，其特征在于，根据所述边界信息和所述静态避障策略控制所述机器人移动，包括：根据所述边界信息和所述机器人的位置信息，确定所述静态障碍物与所述机器人之间的距离；

在所述距离大于或等于预设距离阈值时，控制所述机器人沿直线方向移动；

在所述距离小于所述预设距离阈值时，根据所述边界信息确定所述静态障碍物位于所述机器人的视场，在所述静态障碍物位于所述机器人的左视场或左中视场时，控制所述机器人右转；在所述静态障碍物位于所述机器人的右视场或右中视场时，控制所述机器人左转；在所述静态障碍物位于所述机器人的中间视场时，控制所述机器人左转或右转。

5.如权利要求2所述的避障方法，其特征在于，所述场景图像包括多个视频帧；

确定所述障碍物所属的障碍物类型，包括：获取连续的三帧图像，并将所述三帧图像中每相邻的两帧图像做差分运算处理，以得到两帧帧差图像；

对所述两帧帧差图像进行二值化处理和逻辑与运算处理，以得到运动区域图像；

根据金字塔LK光流法对所述运动区域图像处理，以确定所述障碍物是否属于所述动态障碍物；

若否，则确定所述障碍物属于所述静态障碍物。

6.如权利要求1‑5任一项所述的避障方法，其特征在于，所述方法还包括：若所述机器人和所述跟踪目标之间不存在障碍物，则控制所述机器人沿直线方向移动，以使所述跟踪目标处于所述机器人的中间视场。

7.一种避障装置，其特征在于，包括：

采集模块，用于获取包含跟踪目标的场景图像；

处理模块，用于根据所述场景图像，确定所述机器人和所述跟踪目标之间是否存在障碍物；若是，则确定所述障碍物所属的障碍物类型和边界信息，其中，每种障碍物类型对应于一种预设避障策略；

所述处理模块，还用于根据所述边界信息和所述障碍物所属的障碍物类型所对应的预设避障策略，控制所述机器人移动；

其中，所述场景图像包括彩色图像和深度图像；

所述处理模块，具体用于：

通过贝叶斯分类器对所述彩色图像和所述深度图像中的跟踪目标进行识别，以得到所述跟踪目标在所述深度图像中的位置框；

对所述深度图像中的深度值进行归一化处理，其中，归一化处理后的深度图像中各像素点的深度值与各像素点所对应的对象到相机的距离呈负相关；

根据归一化处理后的深度图像，生成深度直方图，其中，所述深度直方图中所述跟踪目标所对应的像素点呈高斯分布；

若所述深度直方图中除所述跟踪目标所对应的像素点所对应的峰值之外，存在满足高斯分布均值和标准差的预设条件的峰值，则确定所述机器人和跟踪目标之间存在障碍物；

否则，确定所述机器人和所述跟踪目标之间不存在障碍物；

其中，所述预设条件为：

|μ‑largerdepthvalue|>2*σ其中，μ代表高斯分布中的均值，σ代表是高斯分布中的标准差，largerdepthvalue代表深度值大于跟踪目标的深度值。

8.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。