随着四旋翼无人机应用场景的不断拓展,如何在GPS信号不可靠情况下仍能准确定位是无人机技术未来发展的趋势。通过视觉传感器对环境感知进行定位凭借其系统成本低,体积小的特点逐渐成为室内环境下无人机精确定位的首选方案。光流是一种估计像素随时间在图像序列中位移计算方法,该算法能够有效的捕捉无人机位移偏差,这对GPS信号丢失或不足环境,如:室内、岩洞等场景,无人机稳定飞行至关重要。本文研究重点是基于光流的室内无人机定位算法研究,其主要内容如下:首先,简要介绍了光流的基础知识,包括光流模型建立约束条件以及光流法使用局限性等。在此基础上,进一步阐述了稀疏光流和稠密光流各自经典模型建立的基本条件,求解方法和局限性。除此之外还对传统无人机光流模块中使用的块匹配光流模型进行研究,包括其建立时用到的匹配准则和搜索方法。其次,针对室内无人机视觉定位过程中存在小幅度钟摆运动和特征点鲁棒性不强问题,这些问题会造成光流估计不准确。本文提出了一种基于改进前后向误差补偿金字塔LK光流算法,利用该算法对特征点进行跟踪。进一步,基于双向可逆约束思想,提出了构造新的目标函数更新光流估计偏移量,并通过静态实验对该算法性能进行了验证,实验表明本文算法有效提高了光流估计的精确度。然后,利用基于Pixhawk的无人机对本文算法进行实际飞行验证,并且与传统块匹配光流进行对比。为了提高无人机飞行稳定性,针对光流算法当前面临的问题展开研究,着重探索能够处理噪声、大位移、光照变化的鲁棒光流模型,本文在改进算法基础上引入自适应中值滤波,光照比例补偿法以及Hessian矩阵提高算法鲁棒性,采用定点和钟摆飞行实验,实验表明优化后的算法在精度和速度上得到提升。最后,自主设计并搭建用于室内飞行的四旋翼无人机实验平台,利用该平台进行室内飞行实验,实验过程中利用Optitrack运动捕捉相机采集无人机飞行的实时位置姿态数据,通过在自然光、灯光、弱光三种场景下进行悬停测试,进一步验证了算法的可行性和鲁棒性。