姿态估计在包括无人机在内的诸多领域中都有重要的作用。本文针对现有姿态相关传感器冗余度较低且精度有待提升的现状,将光流传感器融入现有磁场角速度与重力的测量组合（Magnetic Angular Rate and Gravity,MARG）传感器系统。本文主要对以下几个关键问题展开了研究:即如何利用光流传感器数据消除现有加速度计数据中的运动加速度干扰;如何利用光流传感器数据估计角速度;如何将光流传感器与MARG传感器进行数据融合,提高现有姿态估计精度。通过寻找以上问题的解决方案,可改善现有姿态估计现状,可为增加姿态估计相关传感器的冗余性与姿态估计精度的提升提供新途径,能够丰富姿态估计相关的理论研究与工程应用。具体的研究内容及创新点可归纳为以下几个方面:首先,介绍了姿态估计的常用坐标系与表示方法。对加速度计,磁强计,陀螺仪以及光流传感器的数据构成与测量原理进行了分析,为接下来MARG传感器及光流传感器的使用提供了理论依据。其次,针对现有姿态估计算法难以消除运动加速度干扰的现状,提出了一种利用平移光流解算运动加速度的方法。对加速度计如何进行姿态解算进行了阐述,分析了如何利用光流解算运动加速度,将解算出的运动加速度代入MARG传感器数据中进行运动加速度补偿。实验证明,该方法有效的补偿了运动加速度造成的误差,改善了姿态估计的动态精度。再次,提取转动光流进行角速度估计,提供了一种利用简单公式解算角速度的途径。对如何利用光流数据提取角速度进行了原理阐述与公式推导,对角速度解算姿态的方法进行了说明,并将光流解算出的角速度与加速度计及磁强计数据利用以重力与磁场矢量为状态变量的扩展卡尔曼滤波进行了融合。实验证明,与传统方法相比,利用光流传感器解算的角速度进行姿态估计时,其精度更高。最后,将光流提取出的角速度与陀螺仪数据利用最小方差原理进行角速度融合,阐述了以四元数作为状态变量进行扩展卡尔曼滤波的基本原理,将融合后的角速度代入四元数姿态估计算法中,降低了姿态估计误差。