无人机作为空中机器人,涉及机械、电子、材料、空气动力学、导航与控制等多个学科,是复杂的跨学科系统。与其他移动机器人一样,导航与控制是无人机研究的核心问题,本文围绕此核心问题展开了相关的研究。在导航方面,无人机智能化、小型化的发展形势要求无人机能以尽可能多的感知手段实现低空及室内精确、可靠的导航。单一的传感器很难做到全方位的感知,但通过数据融合技术整合多种传感器数据容易做到,并可降低对单一传感器的性能要求,提高无人机导航的准确性和稳健性。本文使用卡尔曼滤波(Kalman filter,KF)和扩展卡尔曼滤波(extended Kalman filter,EKF)作为导航数据融合算法,以陀螺仪、加速度计、光流传感器等多个传感器数据作为信息源,建立室内导航系统方程。方程明确了各传感器数据在导航系统中的作用,是从算法到实际滤波器设计的关键一步。基于此设计了室内组合导航系统,其实现过程应用了时间戳技术,异步采样顺序融合等方法,解决了多传感器数据时空匹配的问题。通过Simulink仿真平台验证之后,室内组合导航系统被应用于以ARM与FPGA为核心的四旋翼无人机平台中,实现了无人机的低空和室内导航。在控制方面,近年来旋翼无人机迅猛发展,相关的控制算法被大量提出,而对以何种姿态、速度、位置表达方式实现控制方法的控制方式研究并不多。旋翼无人机因少了人的因素限制,可做到很多有人飞行器无法做到的机动。传统旋翼无人机控制方式表现出有人飞行器的控制习惯,如保留机头指向约束等。通过对控制方式的优化,可解除这些约束,充分发挥旋翼无人机的机动优势。本文提出了基于四元数等效旋转矢量的目标推力矢量最速趋近法,用以优化旋翼无人机执行轨迹跟踪任务时的控制方式。在以Newton-Euler方程建立的四旋翼飞行器运动学和动力学模型基础上,本文分析了一个常见的backstepping位姿控制器在控制方式上的不足,进而提出上述最速趋近法。利用该法求出当前推力矢量到目标矢量的最小旋转矢量和姿态改变最小的变化四元数,再求作为姿态环给定的目标姿态四元数,从而实现目标推力矢量快速趋近。文章给出了最速趋近法的原理和几何证明,并重新设计了四旋翼无人机轨迹跟踪控制方案。通过Simulink仿真,验证了该法对控制方式优化的有效性。最后,总结旋翼无人机导航与控制两个关键问题的研究工作,并对该领域研究方向进行了分析。