火灾是发生率高、危害性大的灾害之一,特别是在现代楼宇中的灭火问题成为消防的重中之重。如何及时且准确的检测出烟雾和火焰是火灾事前预警并进行事后干预的关键。基于此,为解决传统楼宇环境巡检效率低下、数据获取和传输复杂低效及前期火灾难以识别和处理等问题,本文通过对楼宇内部需求的分析,提出了一种火灾应急智能巡检机器人方案,通过图像采集模块以及激光雷达实时获取楼宇内的环境信息,全天候全时段的执行自动巡检任务。并且在仿真环境、实验室环境中完成了对搭建的巡检机器人系统进行测试和验证,具体工作如下:（1）针对目前人工巡检耗时高、效率低等问题,本文以楼宇内实际生产生活需求为基础,分析了自主巡检机器人的功能需求。设计了一种基于楼宇的火灾应急智能巡检机器人。确定了巡检机器人平台结构,并通过对系统的总体设计,确定了基于ROS的软件架构以及以Jetson Nano和STM32为核心的硬件结构。建立起机器人运动学模型,并且实现串级PID控制;（2）针对巡检机器人难以对火灾快速识别的问题,设计了基于深度学习（卷积神经网络）的火情特征识别算法,通过改进的YOLOv5模型,以自建的火灾数据集训练模型,并实现快速准确地对楼宇内火灾（火焰及烟雾）的识别。消融实验及对比实验结果表明,优化YOLOv5算法检测精度和传统算法相比提高1.3%,识别速度提高到每秒53帧,并且实现在巡检机器人上的部署和应用。（3）为了提高巡检机器人的巡检效率,采用了一种路径优化融合算法,通过改进的A*算法实现全局路径规划与TEB算法实现的局部路径规划协同,巡检路径规划与避障的目标实现,同时巡检效率也显著提高。（4）开发Web端巡检机器人后台管理系统,在Flask框架下实现巡检机器人的前端及后端搭建,实现了楼宇内图像的可视化、火灾识别及报警功能。为验证巡检机器人在实际应用中的合理性,最后通过仿真模拟和实验室现场测试,验证巡检机器人在楼宇内巡检的功能要求。