随着人们的生活越来越智能化,对于位置服务的需求越来越迫切,其中无人机应用领域对其精确定位的需求越来越高。目前广泛使用的GPS定位技术,其信号除了容易受电气电磁干扰外,在遮蔽空间(如建筑物、车辆等)内也会降低。由于视觉具有丰富的图像信息、实现的硬件成本低和获取信息的快捷性等特点,基于视觉的定位成为了一个热点领域。而在视觉定位中,光流算法的改进研究成为近年来的研究热点。经过科技人员多年的研究,在简单场景下光流定位已经取得了很好的效果。但在一些复杂光源场景下,光流定位的效果并不理想,如在弱光场景下,光流定位不稳定;在频闪光场景下,光流定位不准确等。因此,针对这种问题,在课题组已有的研究成果的基础上,论文首先研究分析了光流算法、无人机视觉定位的研究背景与意义、国内外的研究现状。其次仔细研究了光流算法的基本原理、常用的光流估计算法及其优缺点和光流算法在视觉定位应用中的流程。论文完成了以下的研究内容:(1)研究一种改进的ORB特征提取算法。针对无人机视觉定位中常出现的弱光、多尺度多区域等场景,提出了一种改进的特征提取算法。主要是通过结合SURF算法、Shi-Tomasi评价准则和类视网膜模型,对ORB特征提取算法从特征点和描述符两方面进行改进。实验结果表明,该改进算法对弱光、多尺度多区域等场景下的特征点提取有明显的质量、速度提升。(2)研究一种改进的基于特征匹配的Lucas-Kanade稀疏光流算法。针对无人机视觉定位中常出现的弱光、频闪光等场景,提出了一种改进的LK光流算法。首先对图像进行预处理,其次采用比例渐进法来削弱频闪光的影响,然后利用改进的特征匹配规则对改进的ORB特征点进行筛选,最后再使用改进的LK金子塔光流模型进行计算。实验结果表明,该改进算法对弱光、频闪光等场景下的无人机视觉定位有明显的精度提高。