二、光流法原理
光流法的基本原理是通过图片序列，找出每一图片中像素点的运动速度的大小和方向。
使用光流法，基于以下两个假设：
（1）亮度恒定不变，在图片序列中，与摄像头有相对运动物体所对应的像素点的亮度不会发生改变；
（2）小运动，即连续两帧图片时间间隔，不会引起目标位置的剧烈变化，相邻帧之间位移要小。
设一帧图片中某个像素点的灰度值为I（x，y，t），经过dt时间，在下一帧，该像素点移动到（x+dx，y+dy）处（图6-5）。
图6-5 像素点的运动
则根据第一个假设，有
将式（6-1）等号右端用泰勒级数展开，可得
式中，fx和fy分别表示灰度图在x方向和y方向上的梯度，即像素点的灰度沿x方向和y方向的偏导数；ft表示时间梯度，即灰度图对时间的偏导数。
化简后可得
式中，，u和v分别表示像素点沿x方向和y方向运动的速度大小，（u，v）也即所求的光流矢量。
式（6-3）方程中包含两个未知数，显然只通过这一个约束方程是无法求出光流矢量的，这时就需要引入其他约束条件，从不同角度引入约束条件，就形成了不同的光流法。目前，光流法一般可分为基于梯度（微分）的方法、基于匹配的方法、基于能量（频率）的方法、基于相位的方法和神经动力学方法。
这里介绍基于梯度的方法。基于梯度的方法又称为微分法，是利用时变图像灰度的时空微分（时空梯度函数）计算像素的速度矢量。典型的代表是Lucas-Kanade（LK）算法。
LK光流法在两个基本假设的基础上，增加了一个“空间一致”的假设，即所有的相邻像素有相似的运动，也即在目标像素点周围m×m的领域内，每个像素均拥有相同的光流矢量。基于该假设，利用一个3×3邻域中的9个点具有相同运动的假设便可得到9个光流方程，然后采用最小二乘法进行拟合求解，最终（u，v）的求解如下：
得到像素点的移动速度后，还需要依靠陀螺仪和高度计将其转化为无人机的移动速度。
由此可以看出，光流法是测速算法，并不是直接定位的。简单来说，光流法就是通过检测图像中光点和暗点的移动，来判断图像中像素点相对于无人机的移动速度。如果地面是静止的，自然就可以得到无人机相对于地面的移动速度。
此时可采用速度闭环控制，将x方向和y方向的速度返回，形成一个位置闭环，保证x方向和y方向的速度为0，便能消除晃动，增强稳定性；也可采用位置闭环控制，将速度积分得到x方向和y方向的位置再返回，形成一个位置闭环，保证x方向和y方向的位置变化为0。
在无人机上，光流定位通常是借助无人机底部的一个摄像头采集图像数据，然后采用光流算法计算两帧图像的位移，进而实现对无人机的定位，这种定位手段配合GPS可以在室外实现对无人机的精准控制，并且在室内没有GPS信号的时候，也可以实现对无人机的高精度的定位，实现更加平稳的控制。