智能化微型飞行器的研究具有很高的军事和民用价值,但是,目前还没有任何自治的微型飞行器可以像飞行昆虫一样在复杂的场景中自由飞行,所以利用来自昆虫灵感的视觉感知机制来研制完全自治的微型飞行器是当前机器人研究领域的重要发展方向,其理论研究对提高移动机器人的智能化水平具有重要的指导意义。光流是飞行昆虫对外界光学信息感知、处理的方式,能够估计速度、测定场景深度、检测障碍物并进行障碍规避。本课题从生物原理到算法描述再到实验仿真,对基于昆虫灵感的视觉导航技术进行了研究。在预处理阶段,针对微型飞行器采集视频和图像信息时遇到的抖动问题,本文设计了一种新的快速智能电子稳像方法。该算法原理简单,无需迭代,运算速度快,可以较好地解决抖动自动检测和准确补偿问题。光流场计算技术是本课题研究的重点,考虑到运用于微型飞行器的光流算法必须同时兼顾精度和速度的问题,本文提出了两种改进的光流估计方法,局部结合全局算法(LK-HS法)和基于相邻帧差的局部结合全局算法(Sub-LK-HS法)。为了更全面的比较不同光流算法的性能,本文扩充了原有的光流性能评价指标,并在模拟序列和真实序列中进行了定性和定量分析。实验结果表明LK-HS法和Sub-LK-HS法使光流估计的速度和精度都得到了优化,其性能要优于一般的HS法、LK法和相位法。光流在移动机器人视觉导航中的主要应用是障碍物检测和规避。本文详细探讨了基于光流的障碍物检测的核心问题——碰撞时间TTC的计算理论,并将本文提出的改进光流算法运用于障碍物检测环节。实验结果表明散度旋度法可以对场景相对深度进行粗略的估计。