随着公路交通建设的飞速发展,我国公路养护任务快速增重,在公路养护方面的投入也随之大幅增长。近年来出现的无人机公路巡检系统多为人工操作,巡检效率较低,无法满足日益增长的公路巡检需求。公路路面环境干扰信息相对较少,公路中心标线具有持续性强和变化少的特点,公路巡检无人机可以沿公路中心标线进行自主视觉导航飞行。基于此,对公路巡检无人机视觉智能飞行控制算法进行研究,构建用于公路巡检的自主视觉导航无人机系统。目前基于视觉导航的无人机系统仍然以传统的多数据信息融合为主,传统多数据融合系统中视觉处理算法对地面目标检测效率较低,导致无人机系统飞行速度较慢,甚至出现无法飞行的情况。针对目前视觉导航无人机系统的主要问题,本文首先根据公路巡检任务背景分析了公路巡检无人机平台自主视觉导航系统的设计需求,提出了一种新的无人机平台公路中心标线检测和跟踪算法,引入视频判决框对公路中心标线跟踪结果进行判断分析,获得相应指令信息实现无人机智能控制。通过改进YOLOv3（You Only Look Once）模型网络结构和损失函数来提升目标检测模型准确度和速度。对检测到的信息使用Deep-SORT（Deep Simple Online Real-time Tracking）算法进行公路中心标线跟踪。目标检测和跟踪实验结果表明,公路中心标线的检测效率较之其他模型有着大幅度的提升,与几类典型目标跟踪模型相比,在跟踪准确度基本不变的情况下,处理速度提升了数倍。最后基于Android和DJI Mobile SDK平台开发地面站APP,论述了开发平台和环境配置流程,设计了地面站APP的主要功能。在PC端对本文提出的无人机系统功能进行逐一模拟测试。测试结果表明系统能够完成根据预设航线对公路中心标线进行视觉循迹飞行。综上,本文以四旋翼无人机为平台,综合深度学习技术、目标跟踪技术、数据融合理念开发的基于视觉导航的公路巡检无人机智能控制算法和地面站APP平台改善了视觉导航无人机系统对地面目标信息识别效率差等问题,初步实现了公路巡检无人机的自主视觉导航飞行。