自动避障的编程可以通过以下几种方法实现：
传感器检测法
使用传感器（如红外传感器、超声波传感器或激光传感器）来检测障碍物的存在和位置。
通过测量传感器返回的信号来确定障碍物的距离和位置。
根据传感器的数据，编写程序来控制机器人或车辆避开障碍物。
路径规划法
通过路径规划算法（如A*算法、Dijkstra算法和RRT算法等）来确定绕过障碍物的最优路径。
这些算法可以根据地图和障碍物的位置，计算出一条避开障碍物的最短路径或最优路径。
机器学习法
使用机器学习算法（如神经网络、支持向量机和决策树等）来学习和预测障碍物的位置和行为。
通过对大量的训练数据进行学习，机器可以预测障碍物的位置和运动轨迹，从而做出相应的避让动作。
规则匹配法
根据一定的规则和条件来判断障碍物的存在和位置，并做出相应的动作。
这种方法适用于一些简单的情况，比如在固定的环境中，根据颜色、形状或其他特征来识别障碍物，并采取相应的行动。
示例代码
```c
include "stc89c5x.h"
include "intrins.h"
include "Motor.h"
define X 20 // 最短距离参考值，约为12厘米
sbit Trig = P1^0； // 发送端
sbit Echo = P3^2； // 接收端
sbit PWM_OUT = P0^4； // PWM信号输出端
u8 counts = 0； // 设置初值
u8 PWM = 6； // 设置初值，任意值也可不设
u8 Flag_Angle = 1； // 0： 左45度， 1： 右45度
void Scan（） {
u16 distance；
// 触发超声波传感器
Trig = 1；
_nop_（）；
Trig = 0；
// 等待回声
while （Echo）；
// 读取回声时间
distance = （u16）（1000000 * （6 / （2 * 31250）））； // 转换时间为距离
// 判断距离并控制小车
if （distance > X） {
// 左转45度
Flag_Angle = 0；
PWM_OUT = 6；
} else if （distance < X） {
// 右转45度
Flag_Angle = 1；
PWM_OUT = 6；
} else {
// 直行
Flag_Angle = 2；
PWM_OUT = 0；
}
}
void main（） {
while （1） {
Scan（）；
// 根据Flag_Angle控制小车的运动
switch （Flag_Angle） {
case 0:
// 左转45度
Motor_Left（PWM）；
Motor_Right（0）；
break；
case 1:
// 右转45度
Motor_Left（0）；
Motor_Right（PWM）；
break；
case 2:
// 直行
Motor_Left（PWM）；
Motor_Right（PWM）；
break；
}
}
}
```
建议
选择合适的传感器：根据应用场景选择合适的传感器，如超声波传感器适用于短距离避障，激光雷达适用于长距离避障和避障环境复杂度较高的场景。
优化路径规划算法：根据实际需求选择合适的路径规划算法，如A*算法适用于静态环境，RRT算法适用于动态环境。
考虑实时性：避障编程需要考虑实时性，确保传感器数据的处理和分析能够在短时间内完成，以便及时做出避障决策。
测试和调试：在实际环境中测试和调试避障程序，确保其在各种情况下都能正常工作。