无人机具体的光流数据，如何应用到位置估计算法里，可以参考下文。
总体来看，光流算法分为两步：
通过下视摄像头获得图像数据，分析图像的不同时刻的帧数据，得到像素的移动速度；
将像素的移动速度转换成飞行器的移动速度；
然后讲一下光流的数据在进融合算法前，常见的需要进行哪些预处理。
1、首先是与高度的关系，光流的数据一般在低空范围内有效，比如5m以内，超过一定高度，得到的数据精度就会比较差了，同时与高度有一个线性的关系，根据高度的大小，对光流得到的机体xy速度进行缩放；
一般来说，配合光流的高度数据主要来自超声波传感器，同样可以测得低空的高度，而且较气压计而言，精度较高，得到的相对高度比较准确（气压计有漂移，受风影响大，噪音也大）。
2、其次，需要进行姿态补偿。
什么意思呢？假设一种情况，飞行器在原地晃动，比如左右摆动，此时光流会输出一个速度数据出来，而实际飞行器并未有位置上的变化，所以需要将这个误判的速度进行修正掉。
光流传感器输出什么？
首先要知道光流传感器的输出是什么？光流传感器输出的是xy两个轴向的速度数据，注意，没有位置数据，而位置反馈可以通过速度积分获得，不可避免会产生漂移，但实际通过组合导航算法的处理，也可获得较为满意的使用效果。
3、最后还有一个yaw的旋转补偿。这个主要针对的是光流传感器并未放在飞行器中心位置，所以在原地yaw旋转运动时，xy会不对称的输出错误的数据，而这个数据是我们不需要的（实际飞行器并未运动）。
