随着机器视觉技术的不断发展成熟，同时由于经典的惯性导航系统具有笨重、体积大、价格高昂等缺点，基于视觉的导航技术正在逐渐成为当前研究的热点。视觉导航是被动导航(passive navigation)的一种，因为该技术不需要像声纳导航那样主动向外界发射声波，或是和GPS进行通信，只需要接受来自摄像头的信息，视觉导航就能正常工作。作为一种辅助手段，也可以预先在飞行器上存储周围环境的地图，为实时导航提供一定的依据。在本文中，我们提出的算法能快速、鲁棒的求解飞行器6个自由度的自运动参数。在算法中，本文首先分别为两个连续帧构造两个图像金字塔，然后自上向下计算各层之间的自运动参数，并把每一层的结果都作为下一层的初值使用，直至最后一层，输出最终结果。每一层中，我们的算法都包括3个部分：①计算两帧图像之间的光流；②将光流场输入到本文提出的自运动估计算法中，估计6个自由度参数；③利用估计的自运动参数计算“平面流”(planar surface flow)，根据平面流对下一层的第一帧图像进行图像变形(image warpping)。由于该算法将光流估计和自运动估计结合了起来，故本文将该算法称为OFcEG(Optical Flowconnect EGomotion)算法。为了精确快速的求解飞行器在6自由度参数，本文首先研究了一些其他学者的成果以及他们的不足。为了解决这些问题，同时结合本文的研究背景，本文提出了OFcEG算法并证明了它的收敛性。同时本文还介绍了影响该算法性能的一些因素，并通过实验和其他算法进行了对比、验证，从中我们可以看见该算法的一些特性。另外，本文还设计了一个简单的仿真导航实验，并分别将OFcEG算法和上文提到的自运动估计算法在该导航系统中进行了对比，发现OFcEG能较大的提高导航精度，并且效率较高。