现代战争中，越来越多的国家开始使用无人飞行器进行侦察以及军事打击。随着微电子、微机电系统等相关领域技术的发展，无人飞行器越来越趋于小型化，并由此催生了微型飞行器的诞生。与传统的无人飞行器不同，微型飞行器尺寸小、重量轻、载荷有限，这使得其无法使用高精度的传感器进行姿态测量，因此准确的姿态估计变得十分困难。此外，微型飞行器主要工作于室内、巷道等近地面区域，环境混乱复杂且缺乏有效的定位方法。本文以四旋翼微型飞行器为研究对象，对其位姿与控制策略进行了相关研究。多数四旋翼飞行器使用陀螺仪和加速度计进行姿态估计，相关的算法都假设飞行过程中加速度计的测量值能正确反映重力分量。本文从传统的四旋翼飞行器动力学模型入手，发现该模型下加速度计沿俯仰轴和横滚轴的测量值为零，无法正确反映重力分量。然而，实际飞行中的测量数据表明，加速度计沿俯仰轴和横滚轴的测量值并不为零，而是与重力分量的低通滤波值接近。通过对旋翼动力学的分析，提出旋翼阻力模型。在该模型下，加速度计的理论测量值与实际测量值吻合。基于该模型，提出了改进的姿态估计算法，实验表明改进算法的姿态估计精度优于传统算法。此外，还提出了基于旋翼阻力模型的速度估计方法。针对四旋翼微型飞行器在无GPS环境下的定位问题，本文提出了基于光流的速度和位置估计方法。首先建立了光流与飞行速度之间的数学模型，然后对比了经典的Srinivasan算法和Lucas-Kanade算法，分析了各自的优缺点，提出使用特征匹配与LK算法相结合的光流计算方法。通过自主悬停实验验证了光流法位置估计的有效性。为了实现四旋翼微型飞行器在有障碍环境下的同时定位与地图创建(SLAM)，采用了基于线结构光的环境测量方法。介绍了线结构光法的测量原理，分析了影响测量的干扰因素并提出了解决方法，通过试验验证了测量精度。提出了基于解空间搜索的扫描匹配算法，用于SLAM过程中的数据关联计算。将光流法与线结构光法相结合，提出了基于扩展卡尔曼滤波器（EKF）的SLAM算法，室内飞行实验表明，该算法能够有效的进行飞行器自身的定位与环境地图的创建。传统的四旋翼飞行器研究以低速平稳飞行为主。为了扩展四旋翼微型飞行器的机动飞行能力，本文对姿态控制方法进行了介绍，在此基础上对多种机动飞行模式进行了分析，包括直线飞行、水平圆周飞行、纵向圆周飞行、以及空翻。对不同飞行模式的轨迹形式和控制策略进行了研究。提出了高速直线飞行情况下的平滑转向控制方法。