机器人姿态估计作为机器人导航的关键技术,长期以来是计算机视觉的研究热点,影响着建图的精度和导航的效果。当前常用算法,譬如ORB-SLAM、VINS-Mono等视觉定位系统,适用于常规场景中,可以精确鲁棒地进行机器人的姿态估计。然而这一系列方案都对环境纹理有较强的要求,在乏纹理区域无法提供鲁棒的姿态估计。为了解决传统的基于特征点的姿态估计方法在乏纹理场景中退化的问题,本文体提出了一种基于偏振图像平面匹配的相机姿态估计新方法。该方法将传统的视觉方法与偏振几何信息相结合,从偏振图像中依靠偏振度实现鲁棒的法线估计,然后根据得到的法线图像进行平面分割与提取,再对相邻帧的平面进行数据关联,并结合IMU的先验信息解决偏振特有的法线模糊性,再利用法线估计出相机姿态。本文的主要研究内容如下:详细讨论了机器人姿态估计理论以及偏振相关知识,首先主要介绍了光的偏振态及偏振态的表示方法,回顾了偏振光的Stokes矢量表示法、测量原理和方法,此外对斯托克矢量与偏振光的几何椭圆表示法的关系进行了说明;通过菲涅耳公式说明了镜面反射与漫反射偏振特性,介绍了偏振相机工作原理,以及偏振图像相关预处理。探讨了反射光偏振信息与平面法线之间的几何关系,结合菲涅耳公式对镜面反射、漫反射两种模型的线性偏振度（DOLP）与天顶角的几何关系进行了解释。针对镜面反射与漫反射模型中,法线估计存在模糊性的问题,提出了融合偏振信息的法线平面聚类分割的方法,对带有模糊性的法线完成了平面分割。根据偏振度及分割结果制定了目标区域选取条件,实现了法线平面匹配。剔除法线平面的外点,计算出平面的平均法线值。仿照VINS的IMU预积分机制,结合IMU输出的相邻两帧的相对旋转,消除法线模糊性。利用两帧图像中两平面的平均法线对,优化求解并估计出最优的相对姿态。在motion-capture环境中实验,同时控制实验光照等因素,在单光源与多光源场景中实验,与特征点法进行比较,得到了更好的精度。在真实场景中,将所提方法与特征点法融合得到的相机姿态估计系统,其精度优于单独使用特征点姿态估计方法。