光流（Optical Flow）是计算机视觉领域中描述图像序列中像素点运动模式的技术概念，它通过分析相邻帧图像中像素点的位置变化来估算物体在三维空间中的运动方向和速度。从技术原理来看，光流基于亮度恒定假设，即同一物体点在连续帧中的亮度保持不变，通过求解像素在时空维度上的梯度变化建立光流方程（如经典的Lucas-Kanade或Horn-Schunck算法），最终输出每个像素点的二维运动矢量场。这种运动表征不依赖场景的三维几何信息，属于典型的2D运动估计方法。
在自动驾驶领域，光流技术被广泛应用于运动目标检测、碰撞预警、场景流计算等任务。例如通过分析路面特征点的光流场，可以实时估算自车的运动状态；结合深度学习的光流估计网络（如FlowNet、RAFT），能有效提升在复杂光照条件下的运动感知鲁棒性。值得注意的是，现代自动驾驶系统通常会将光流信息与雷达、IMU等多模态数据融合，形成更可靠的环境动态理解能力。对产品经理而言，理解光流技术的优势（如计算效率高）与局限（如对纹理缺失区域敏感），有助于在传感器选型与算法架构设计中做出更合理的决策。