随着现代工业技术发展,移动机器人在人类社会生活中的应用越来越广泛,比如扫地机器人、快递分拣机器人、无人作战车等等。但是随着应用场景的拓宽,对机器人的自主导航能力要求越来越高,其中实时定位与地图构建（SLAM）问题得到越来越广泛的关注。许多学者投入到了SLAM领域的研究并提出了多种SLAM方法。传统SLAM方法大多依靠概率算法,并且需要高精度的传感器或高清晰度的相机,需要系统有较高的算力和大量的存储空间来应对繁多的数据。这种特点导致大多数SLAM方法不适合在长距离场景中导航。而模仿鼠脑空间细胞机制的Rat SLAM导航算法对于图像分辨率要求很低,具有高效、轻量化、低存储的优点,适合应用在长距离场景中。但由于Rat SLAM依赖纯视觉信息解算姿态变化,所以其精度和鲁棒性不高。而模仿昆虫复眼结构的偏振光传感器可以实时提供绝对航向信息及姿态变化,可以很好的弥补Rat SLAM的不足,同时不会增加数据量计算和存储压力,保持了高效快捷的优点。因此,本文基于偏振光传感器对Rat SLAM进行改进,引入偏振定向技术,设计了一种偏振光仿生鼠脑导航系统。介绍了大气偏振态分布模式,为偏振光定向提供了理论支持;介绍了偏振光传感器测量偏振方位角以及导航定向的原理,为其应用于导航系统提供理论基础;介绍了导航算法的整个框架以及各个模块的模型构建,推导了导航算法的计算流程;搭建了偏振光仿生鼠脑导航系统的实验平台。在硬件方面,围绕偏振光传感器和视觉传感器搭建了导航系统的硬件平台,并补充了SPAN-CPT设备作为实验结果基准参考;在软件方面,基于ROS系统搭建了SLAM软件系统,并实现了卡尔曼滤波、多传感器同步回调、图像格式转换、保存地图数据、图形化界面等功能。基于搭建的实验平台在室外真实道路场景进行了车载导航实验,在同样的场景条件下,将偏振光仿生鼠脑导航方法和原有Rat SLAM进行了对比。实验结果显示:偏振光仿鼠脑导航系统的平均位置误差为3.65m、平均角度误差为0.36°;Rat SLAM的平均位置误差为26.29m、平均角度误差为2.39°。本文提出的偏振光仿生鼠脑导航方法相比Rat SLAM位置精度提高了86%,航向角精度提高了84.9%。实验证明本文引入偏振光传感器显著地提高了系统的建图精度和抗干扰性,同时保持了快捷、高效、轻量化的优点,适合应用于长距离场景中进行导航建图。