由于目前高等院校实验室等资源集中场所存在潜在安全隐患,使得以技术防范为主导的高校智能安防体系逐步发展起来,其将安保巡逻机器人作为核心驱动力。本文在此背景下,面向安保机器人,对其核心SLAM(同时定位与地图构建)技术中的若干问题开展了深入研究,主要工作如下:介绍了视觉SLAM技术相关的基础知识,包括针孔相机模型和相机位姿变换关系,详细解释了深度相机的深度测量原理,为下一步的研究工作做好了理论铺垫。提出了一种基于RGB图像融合的深度图像增强算法对黑洞区域进行修复。首先进行坐标映射,计算彩色图像和深度图像的对应关系;其次使用形态学方法对彩色图像和深度图像进行预处理,并提取出大面积空洞区域的有效支撑边缘;然后结合空域、颜色以及最小可觉察模糊边缘,修复深度图像中的无效区域;最后使用改进的加权引导滤波对小面积的孤立区域去噪。结果表明,该算法对于深度缺失图像的修复效果显著,图像边缘的锐化程度较高。提出了一种基于点线综合特征的视觉里程计方案来缓解场景的特征依赖。首先选取了ORB特征作为点特征;然后对LSD线段检测方法以及LBD线段描述方法进行了分析和改进;最后搭建了系统的前端框架,定义了误差模型并推导了相机位姿的表达式。通过实验验证了系统的鲁棒性,实际场景中的定位误差约为1.2%,满足实时性要求。