目前无人机导航与监测技术已经大规模应用于林场巡检、火灾检测、火焰扑救等森林火情防控领域。随着无人机在林场的普及,针对巡检无人机的实时火焰检测技术和针对灭火无人机的实时路径规划技术,已成为无人机森林防火系统中最重要,最具有挑战的主题之一。对于巡检无人机,由于无人机回传的森林图像信息复杂,人工观察漏检率高。因此,使无人机在复杂环境中快速准确的识别火焰,是实现巡检无人机实时自主监测的关键点与难点;对于灭火无人机,由于无人机飞行速度快,人工控制无人机操作难度大;森林环境复杂,难以获得完整的地图信息。因此,使无人机在环境信息不全的情况下,快速的规划出一条从起始位置到火焰位置的无碰撞最优路径,是实现灭火无人机自主灭火的关键步骤。为此,本文以Tello无人机作为研究对象,深入研究了森林火情防控系统中巡检无人机实时火灾检测、灭火无人机实时路径规划的问题。主要工作如下:（1）构建了面向森林火灾的无人机实时火焰监测与灭火系统方案。利用监测无人机、灭火无人机、地面控制台构成森林火情监测与灭火系统。森林火情监测与灭火系统包括两个部分,第一部分用于监测森林火情,应用监测无人机和地面控制台完成火焰检测与火点定位任务;第二部分用于灭火无人机路径规划,根据第一部分检测结果,快速规划出从起始位置到火点的无碰撞最优路径。（2）针对森林火情监测问题,构建无人机火焰监测平台,该平台在YOLOv4的理论框架下,提出无人机实时火焰检测算法,包括火焰目标检测与火点定位。首先,地面控制台根据地面形状与无人机参数生成监测轨迹。随后,监测无人机按照轨迹飞行,同时向地面控制台发送相机获取的图像数据。地面控制台应用所提算法监测图像中是否含有火焰。若检测到火焰,中断巡检飞行任务,地面控制台计算火焰位置。最后,在室外场景下,利用Tello无人机完成了多组无人机实时火焰检测实验。实验结果表明基于YOLOv4的无人机火焰检测算法,能够在晴天、阴天、雨天等不同焰色饱和度条件下,准确识别火焰并标记其位置。（3）针对灭火无人机路径规划问题,构建灭火无人机控制平台,该平台提出了一种新的改进D*Lite算法,该算法在D*Lite的基础上结合了 HPA*,大幅提高动态路径规划速度。同时,加入两种平滑算法,分别用于减少无人机飞行时的转弯角次数与转弯角幅度。随后,本文进行了多组模拟环境下的无人机路径规划实验,实验结果表明,算法能够为无人机快速有效的规划到达多个静态目标或动态目标的安全路径。最后,在室内自然场景下,利用Tello无人机完成了无人机路径规划实验。实验结果表明,所提的改进D*Lite算法,能够满足灭火无人机路径规划的实时性需求,以及无人机快速到达火焰点上方的准确性需求。