3. 光流定位原理入门
无人机要实现定点悬停，必须知道自己相对地面“动了多少、往哪动”。GPS 在室外能给出绝对位置，但在室内、桥洞、林下等场景往往失效；此时光流传感器通过向下拍摄地面纹理，从连续图像中估计像素运动，再结合高度换算成水平速度，成为定点悬停的核心手段。理解光流，要从“什么是光流”开始，逐步走到光流约束方程。
一、光流定义：像素在图像平面上的运动速度
光流（Optical Flow）是指图像中亮度模式随时间的运动。通俗地说，当相机与场景发生相对运动时，画面里的纹理、边缘、角点会在图像平面上移动，这些像素点的瞬时运动速度就构成光流。它通常是一个二维矢量场：
光流矢量 = (u, v)
u = dx/dt // 像素在图像 x 方向的运动速度
v = dy/dt // 像素在图像 y 方向的运动速度需要强调：光流描述的是“图像上的运动”，不是“真实世界的运动”。同一个真实运动，在不同高度、不同焦距下产生的光流大小不同。对无人机而言，向下看的地面纹理越丰富、高度越低，光流越明显；反之，白墙、纯色地板、水面等弱纹理区域会让光流估计变得困难。
二、运动场与光流场：理想与现实的差别
运动场（Motion Field）是由场景中三维点的真实运动投影到图像平面所形成的二维速度场，它是几何意义上的“真实运动投影”。光流场（Optical Flow Field）则是从图像亮度变化中估计出来的二维速度场，是“看起来的运动”。
两者在多数情况下接近，但并不总是相等。典型差异包括：
- 无纹理区域：真实运动存在，但图像亮度没有变化，光流无法估计，出现“空洞”。
- 光照变化：光源移动或反光会让亮度变化被误判为运动，产生虚假光流。
- 孔径问题：沿直线边缘运动时，只有垂直于边缘的分量可被观测，切向分量不可知。
- 运动模糊：快速运动导致图像模糊，光流估计精度下降。
三、亮度恒定假设：光流约束方程的基石
要从图像中求运动，必须建立“亮度”和“运动”之间的关系。最核心的假设是亮度恒定假设：同一场景点在运动过程中，其图像亮度保持不变。设图像亮度为 I(x, y, t)，其中 x、y 为像素坐标，t 为时间，则：
I(x, y, t) = I(x + dx, y + dy, t + dt)也就是说，t 时刻位于 (x, y) 的点，经过 dt 时间移动到 (x+dx, y+dy)，其亮度值不变。这个假设在短时间、小运动、光照稳定的条件下近似成立，是后续推导光流约束方程的前提。
四、光流约束方程推导：从泰勒展开到 u、v 关系
对亮度恒定等式左边在 (x, y, t) 处做一阶泰勒展开：
I(x+dx, y+dy, t+dt)
≈ I(x, y, t)
+ (∂I/∂x)dx + (∂I/∂y)dy + (∂I/∂t)dt由亮度恒定假设，展开式与 I(x, y, t) 相等，因此：
(∂I/∂x)dx + (∂I/∂y)dy + (∂I/∂t)dt = 0两边同除以 dt，并令 u = dx/dt、v = dy/dt，得到经典的光流约束方程：
Ix·u + Iy·v + It = 0
其中：
Ix = ∂I/∂x // 图像 x 方向梯度
Iy = ∂I/∂y // 图像 y 方向梯度
It = ∂I/∂t // 图像时间梯度
u, v // 待求光流分量这个方程只有一个等式，却有两个未知数 u 和 v，因此是欠定的。它只能约束光流在梯度方向上的分量，无法唯一确定完整光流，这就是著名的“孔径问题”。要解出 u、v，必须引入额外约束，例如 Lucas-Kanade 的局部窗口一致性假设，或 Horn-Schunck 的全局平滑假设。
五、从光流到无人机速度：参数关系与场景案例
无人机定点悬停中，光流传感器通常向下安装，配合超声波或激光测距获得离地高度 h。若相机焦距为 f，像素光流为 (u, v)，则相机水平速度近似为：
Vx ≈ (u · h) / f
Vy ≈ (v · h) / f可以看出：同样的光流，高度越高，对应的真实速度越大；高度越低，速度越小。因此高度估计误差会直接放大速度误差。实际飞控中，光流数据会与 IMU、气压计、测距模块做卡尔曼融合，以抑制噪声和漂移。
| 概念 | 含义 | 在无人机中的作用 |
|---|---|---|
| 光流 | 图像亮度模式的二维运动速度 | 估计水平运动 |
| 运动场 | 真实三维运动在图像上的投影 | 理想参考量 |
| 光流场 | 从图像中估计出的运动场 | 实际可测量 |
| 亮度恒定假设 | 同一点运动前后亮度不变 | 推导约束方程的前提 |
| 光流约束方程 | Ix·u + Iy·v + It = 0 | 连接亮度与运动 |
| 孔径问题 | 一个方程两个未知数 | 需额外约束求解 |
六、常见误区与复盘
- 误区一：光流等于真实速度。光流是图像运动，必须结合高度和焦距才能换算成速度。
- 误区二：有光流就能定点。弱纹理、强反光、纯色地面会导致光流失效，需要纹理辅助或视觉融合。
- 误区三：忽略时间同步。图像与 IMU、测距数据若不同步，融合后速度估计会抖动。
- 误区四：只看光流大小不看方向。定点悬停需要同时抑制 x、y 两个方向的漂移，方向错误会导致越修越偏。
总结来看，光流定位的入门逻辑链条是：地面纹理在相机中形成亮度模式，相机运动使亮度模式发生位移，亮度恒定假设把位移与亮度变化联系起来，泰勒展开得到光流约束方程，再通过额外约束求解 u、v，最后结合高度和焦距换算成无人机水平速度。理解这条链条，才能在定点悬停调试中判断问题出在纹理、光照、高度还是融合环节。