基于视觉的多无人机目标追踪在无人机目标搜索、打击等方面凸显出优势,得到重要应用。本文围绕基于视觉的目标跟踪和多无人机协同避碰路径规划两个方面展开研究。针对无人机视觉目标跟踪过程中存在目标形变、光照变化、物体遮挡等问题,提出了一种改进KCF目标跟踪算法。首先,将目标的HOG特征和FAST特征进行特征融合并对其学习训练,增强了对目标表达的维度与深度,提高跟踪精确度;然后,产生虚拟目标块并用灰度直方图匹配目标,使得跟踪目标框的大小可以根据实际目标大小进行自适应变化;最后,通过仿真结果表明所提算法具有较好的跟踪精度与速度,且可实现目标框尺度随目标的自适应变化。针对多无人机协同避碰航路规划问题,提出了一种增加无人机自身斥力场的改进人工势场法(APF)与Bezier曲线相结合的方法。首先,定义了无人机自身产生的具有分段连续特点的斥力势场;其次,设计了一种基于虚拟障碍物的逃离局部最优的方法;然后,提出分段Bezier曲线平滑算法对无人机的飞行轨迹进行在线实时平滑优化,消除路径振荡现象;最后,通过仿真表明所提方法能够实现多无人机协同目标追踪与避障路径规划。针对无人机无环境模型路径规划问题,提出了一种环境信息未知连续状态下基于势函数奖赏的路径规划方法PF-DQN。首先,建立无人机在环境中的连续状态空间;其次,将360度n等分成若干个角度作为无人机的航向角,建立无人机的动作空间;接着,制定目标的势函数奖赏和障碍物的势函数奖赏;最后,通过仿真表明PF-DQN算法能够实现无人机在环境信息未知连续状态下的无环境模型路径规划,并且势函数奖赏加快了无人机路径规划的速度。设计开发了多无人机协同目标追踪实验平台。首先,介绍了实验平台的硬件设计;然后,介绍了系统软件的设计;最后,对实验平台进行了试飞实验,实验结果表明整个平台系统性、可扩展性强,是作为多无人机协同目标追踪研究可靠的算法验证平台。