Este estudio aborda los desafíos asociados con la información incompleta o faltante en los métodos de detección de obstáculos que emplean un solo sensor. Además, se ocupa del problema de la distorsión del movimiento en los datos de nubes de puntos LiDAR durante la sincronización y el mapeo en entornos complejos. La investigación introduce dos contribuciones significativas. En primer lugar, se propuso un nuevo método de detección de obstáculos, llamado algoritmo de fusión de mapas de puntos (PMF). Este método integra datos de nubes de puntos del LiDAR, cámara y odómetro, junto con mapas de cuadrícula locales. El algoritmo PMF consta de dos componentes: el algoritmo de fusión de puntos (PF), que combina datos de nubes de puntos del LiDAR y datos de nubes de puntos similares a láser de la cámara a través de una conversión de formato de biblioteca de nubes de puntos (PCL) y concatenación, y selecciona la nube de puntos más próxima al perro robot cuadrúpedo como los datos válidos; y el algoritmo de fusión de mapas (MF), que incorpora mapas de cuadrícula locales adquiridos utilizando los algoritmos Gmapping y OctoMap, aprovechando la teoría de estimación bayesiana. Los mapas de cuadrícula locales obtenidos por los algoritmos Gmapping y OctoMap se denominan mapa A y mapa B, respectivamente. Esta metodología sofisticada permite una fusión de mapas sin problemas, lo que mejora significativamente la precisión y fiabilidad del enfoque. En segundo lugar, se propuso un método de eliminación de distorsión del movimiento (MDR) para datos de nubes de puntos LiDAR basado en lecturas del odómetro. El método MDR utiliza datos del odómetro de patas para la interpolación de datos lineales de los datos originales de nubes de puntos LiDAR distorsionados, facilitando la determinación de la pose correspondiente del perro robot cuadrúpedo. Posteriormente, los datos de nubes de puntos LiDAR se transforman al sistema de coordenadas del perro robot cuadrúpedo, mitigando de manera eficiente la distorsión del movimiento. Los resultados experimentales demostraron que el algoritmo PMF propuesto logró una mejora del 50% en la tasa de éxito en comparación con el uso solo de LiDAR o el algoritmo PF de forma aislada, mientras que el algoritmo MDR mejoró la precisión del mapeo en un 45.9% cuando se tuvo en cuenta la distorsión del movimiento. La efectividad de los métodos propuestos se confirmó a través de experimentación rigurosa.