采用仓库自主巡检智能盘点机器人是有效降低质押融资金融风险的技术手段。巡检机器人其能够24小时全天候对被质押的物品进行巡检,确保被质押物品的真实性,从而降低仓单质押融资中“虚假质押”、“重复质押”等造成的风险。为使得巡检机器人能够24小时全天候进行巡检,其自身的自定位算法同样需要能够24小时全天候运行。目前,视觉同步定位与建图算法(VSLAM)是巡检机器人采用的核心自定位算法。然而,VSLAM算法在应用中,还存在亟待解决的问题,包括光照不足、光照变化、定位失败影响巡检任务等问题。这些问题严重影响了巡检机器人24小时全天候巡检的能力。为解决这些问题,论文主要完成以下研究工作:(1)研究了Kinect2获得红外图像的原理,并将经过Gamma变换处理后的红外图像用于VSLAM算法定位。这利用了Kinect2红外图像的成像特性,解决了光照不足的问题,降低了光照变化对VSLAM算法;(2)研究了VSLAM算法定位失败时的处理方法,通过结合IMU和深度相机(双目相机)有效处理VSLAM定位失败的情况。在定位失败时通过IMU信息估计存在一定误差的位置,然后通过深度相机及时建立地图点供持续定位,最后通过闭环检测修正采用IMU估计的位置造成的误差。这种方式解决重定位方法期间没有定位信息,以及无限制时间进行重定位的问题;(3)研究了特征点提取的方法,采用了角点提取速度更快的AGAST角点提取算法以及对角点描述更加鲁棒的LATCH描述子计算方法相结合的特征点提取方法,所提取的特征点较ORB特征点更加鲁棒。除此之外,为提升特征点的质量,研究了根据角点判定方法进行角点筛选的方法,将被误认为角点的噪声点排除;(4)基于ORB-SLAM2实现了包含以上方法的巡检机器人定位算法。通过数据集实验验证其有效性,并最终将其搭载在巡检机器人上进行实际运行,测试其运行效果。