为了实现四旋翼无人机准确的姿态控制和定位，从而能够平稳地进行飞行控制，必须获取无人机实时运动状态信息。目前传统的地面机器人已经研制了许多的获取运动状态信息的方法，但由于四旋翼无人机自身体积小、负载轻和飞行控

制设计复杂等特点限制，许多方法无法在上面应用。现阶段，常用的定位方式有，基于GPS的定位方式，它通过无人机机载GPS接收机持续地接收卫星发射信号，以获得实时定位信息。然而，GPS信号容易受电磁干扰影响，在近地复杂环境GPS的信号衰减较大，尤其是封闭的室内环境中基本无法得到GPS信号，故这种方法主要用于解决室外开阔环境中的四旋翼无人机定位问题[18]。基于激光雷达的定位方式，这是一种较常见的应用于四旋翼无人机室内定位导航的定位方式。激光雷达这种传感器的优势在于较高的测量精度和不易被干扰，但其相对小型四旋翼无人机负载而言传感器设备较重，并且测量距离受限。对于一个飞行平台，尽可能的保持低重量和低功耗是十分必要的。故轻量和低功耗的传感器是较好的选

择。而基于视觉的传感器，是一种被动传感器，符合这些要求。但是传统的图片处理的方法需要大量的计算资源，在机载单板计算资源受限的情况下，无法满足实时性的要求。在昆虫视觉系统的启发下，人们开始研究基于光流的视觉方法。这种方法计算量较小，能够在计算力较小的单板上满足系统的实时性需求。故基于光流的四旋翼定位是本次研究的重点。

光流的概念是Gibson在1950年首先提出的。它表示三维空间中的运动物体在某个观察成像平面上的像素运动的瞬间速度。即三维空间上物体的运动场在二维图像平面上的投影得到的速度场，即为光流场。故利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧和当前帧之间存在的对应关系，可以计算出相邻帧之间物体的运动信息。

光流的计算在视频序列的处理是重要且充满挑战的，其结果可以用于执行其它各种任务如被动的场景理解和主动的探测。光流算法，通常情况下，估算两帧之间运动的变化，必须假定序列帧之间图片的光照不变。一些研究者已经提出了一些在图片序列中计算光流的算法主要分为四类，1）差分法[2]-[5]；2）区域匹配算法[6]；3）基于能量的方法[7]；4）基于相位的方法[8]。这些光流算法，不管哪个，都需要大量的计算和存储资源来计算每一个像素的速度[8]-[12]。关于这些光流算法的详细比较，包括性能和效果，在[13]和[14]中可以找到。AllisionMathis等[17]介绍了一个基于LK算法的四旋翼无人机的定位方法，其通过前期的图像处理，将图片转化为梯度图，来提供算法在光照变化的环境下的鲁棒性。

当前有两种常见用于获取光流计算所需图像信息的传感器，一种是基于计算

机鼠标的光流传感器，另一种是基于CMOS图像传感器的光流传感器。基于计算机鼠标的光流传感器，已经被成功用于无人机上[1]。通过将传感器朝向地面可以用来获取所需的图像信息，经过计算得到四旋翼无人机的位置和速度信息。但是，这种鼠标传感器需要强光，才能实现精确的测量。在使用过程中需要提供人工光源，来提高测量精度，这限制了无人机的飞行时间和高度，不利于实际应用。而CMOS图像传感器是一种对光更敏感的传感器，允许在室内环境和没有人工照明不利的室外环境下使用。故基于CMOS图像传感器开发的光流传感器，具有较好的光敏性，能在较多不同的环境下使用而无须提供额外的光源。文献综述