随着机器人技术和人工智能的发展,视觉导航系统也在越来越多的应用场景中崭露头角,如智能机器人、自动驾驶和AR/VR等。光流法作为计算机视觉研究的重要方向,在视觉定位中扮演着很重要的角色。光流场中包含了物体运动信息和结构信息,通过计算光流场可以对物体进行运动估计,从而实现定位导航任务。本文主要研究了光流计算方法以及光流法在视觉定位技术中的应用。本文首先对光流进行了大量的文献调研,然后在TV-L1算法和CLG算法的基础上改进了一种新的光流计算方法。算法实现过程中加入了图像结构纹理分解、图像金字塔以及图像滤波等技术,然后在Middle Berry数据集上对改进算法进行了对比试验。实验结果表明,改进的算法在光流计算精度和鲁棒性都有相应的提升,并且计算出来的光流场更加平滑;其中改进算法在测试集上计算出来的光流场平均角度误差(AAE)为3度、平均终点误差(AEPE)为0.25像素。然后研究了基于光流法的双目立体视觉技术:相机模型、相机标定、双目深度计算以及位姿估计。并在当前性能较好的单目直接法视觉里程计Direct Sparse Odometry(DSO)算法上推导了双目视觉里程计系统。最后先在KITTI数据集上验证了改进算法,改进算法在数据集上解算出来的位姿平均平移误差为1.6%,平均旋转误差为0.035度每米;接着搭建了室内和室外校园实验平台,并将改进的算法与原算法和当前比较好的视觉SLAM算法ORB-SLAM2进行了对比实验,实验结果表明,本文改进的算法相比原算法提升了定位精度,相比ORB-SLAM2算法鲁棒性更强。