随着计算机和人工智能技术飞速发展,移动机器人在众多领域中得到了飞速发展。在消防领域中,移动机器人在消防员的控制下可以进入危险的火灾现场内部执行侦察等任务,大大降低了火灾对消防员生命产生的直接威胁。但是,消防机器人在火场环境中对高温障碍物的检测能力以及实现快速自主的到达目标点位置的能力有待提高。本文以提高消防机器人在能见度较低的火场环境中对高温障碍物的检测能力为背景,研究移动机器人多传感器配准技术,实现激光雷达和红外热像仪结合的障碍物检测和识别方法。在全局信息部分可知的“半可知道区域”消防环境,以保证消防机器人可以快速的到达目标地点完成目标任务为背景,分别研究了在多障碍物环境中和复杂环境中基于快速搜索随机树（RRT*）算法的全局路径规划算法。针对传统建图算法无法获取火场环境中高温障碍物信息的问题,研究了基于激光雷达和红外热像仪数据融合的建图方法。首先,基于张氏标定法设计红外热像仪内参标定实验,获取红外热像仪的内部参数;然后,基于移动机器人实验平台,设计激光雷达和红外热像仪联合标定实验,获取激光雷达和红外热像仪的外部参数;最后,完成了激光雷达和红外热像仪的数据融合,并且利用融合后带有温度信息的激光点云完成环境地图的构建。针对多障碍物环境中传统RRT*算法存在大量冗余采样点的问题,提出了一种基于人工势场法和启发采样的RRT*全局路径规划方法。首先,改进了传统的人工势场法,并且基于改进的人工势场法快速构建出一条由起点到目标点的初始路径;然后,利用起点和目标点的位置、距离以及初始路径的路径代价作为参数,构建动态启发采样集合;最后,限定RRT*算法在启发集合内采样,并且在算法运行的过程中根据路径代价动态调整启发采样集合的大小,从而加快路径收敛到最优路径的速度。通过仿真实验验证了改进算法的优越性。针对复杂环境中传统RRT*算法全局路径规划能力较弱的问题,研究基于概率栅格地图和A*搜索域的RRT*全局路径规划算法,着力解决复杂环境下传统RRT*算法无效采样率较高的问题。首先,在传统占据栅格地图的基础上提出了一种全新的基于RRT*采样的概率栅格地图;然后,分析了基于占据栅格地图的传统A*算法及其8邻域栅格搜索策略;最后,研究了基于概率栅格地图以及A*算法的8邻域栅格搜索策略的RRT*全局路径规划算法。通过仿真实验验证了改进算法的优越性。最后,基于机器人操作系统的履带式移动机器人实验平台完成激光雷达和红外热像仪融合建图实验以及路径规划有效性验证实验。首先,完成了激光雷达和红外热像仪的数据融合,并且在数据融合的基础上完成带有温度信息的二维地图的建立。然后,在真实环境中,基于移动机器人实验平台完成对多障碍物环境下和复杂环境下的改进RRT*全局路径规划算法有效性的验证。