四旋翼无人飞行器因其使用灵活,能实现垂直起降及悬停,使用成本低等优点正逐渐应用于精准农业、智慧城市、军事侦察等各领域,也逐渐成为国内外的一个研究热点。在复杂的应用环境中,要实现四旋翼飞行器精准控制必须获取精确的姿态以及位置信息。然而,四旋翼飞行器的传感器信号可能受到温度地磁等外界因素的干扰,很难得到精确的位置和姿态信息,从而难以实现精准的姿态和位置控制。此外,对于低成本的四旋翼飞行器来说,惯性导航系统的精度低,累积误差较大,惯性导航不能够提供精确的位置信息。当卫星信号良好时,可以通过多颗卫星信号的解析,解算出无人机位置信息。然而,在某些环境下,四旋翼飞行器收到的卫星信息不足以满足对自身的定位需求,从而无法解析出自身位置信息,不能够实现自身的导航。本文为提高四旋翼飞行器对环境的感知和适应能力进行了研究,主要做了如下工作:首先,建立四旋翼飞行器的数学模型,分析了加速度计、陀螺仪、磁力计等常用于姿态的传感器解算原理。根据各种传感器自身特点,分别采用互补滤波算法和扩展卡尔曼滤波算法进行多传感器测量数据的融合,解算四旋翼飞行器的姿态角,获得其姿态的估计信息。实验结果表明这两种针对四旋翼飞行器的姿态融合估计算法均有效,而后者具有更好的性能。其次,由于小型四旋翼飞行器的位置及姿态控制系统存在高度非线性和时变性,若采用常规的PID控制器,其控制效果不佳,难以适应复杂飞行环境。为了克服该问题,利用单神经元PID控制方法,通过实时调节单神经元权值来到达改善四旋翼控制性能的目的。为了避免神经元网络解算样本大、优化参数多的问题,提出一种模糊单神经元PID控制策略,通过自动调整增益系数,进一步提高了四旋翼控制的动态性能。基于MATLAB/SIMULINK搭建了四旋翼飞行器的仿真系统,仿真结果表明基于所提方法的四旋翼姿态控制具有超调量较小,响应速度更快的优点。再者,为了降低四旋翼飞行器对环境的依赖,当它无法接收卫星定位信号时,利用飞行器搭载的视觉传感器辅助采集其位置信息,用于分析地面图像的特征点,并将视觉识别信息引入到四旋翼飞行器的姿态和位置控制中,以实现室内四旋翼飞行器的姿态和位置控制。最后,搭建了四旋翼飞行器的室内试验环境。基于PIXHAWK搭建了飞行控制器的硬件平台,优化了开源四旋翼飞行器程序PX4,仿真及实验结果验证了理论分析的正确性和本文提出的控制策略的有效性。