小型无人机直升机具有体积小、重量轻、成本低、可悬停、可垂直起降、无人员伤亡、隐蔽性好等优点。无论是在军用还是在民用上,都得到广泛的应用,例如：军事侦察、地质勘探、目标追踪等。而大部分应用又离不开机载视觉技术的发展,基于视觉的目标定位与跟踪也是很多无人机应用领域的关键技术。与声纳、激光、雷达等传感器相比,视觉传感器的信息量更加丰富,可以直观的对目标或场景进行监测。本文以小型无人机为实验平台,对机载视觉定位与跟踪系统进行了全面的设计、研究与开发。针对视觉系统开发过程中的理论算法和工程问题,本文对其进行了阐述与研究。本文的研究目的在于完成小型无人机视觉系统的硬件搭建、软件开发、以及定位与跟踪算法的理论研究和实验验证。其中,本文突出论述了研究中需要解决的几大问题,包括增强目标识别算法在恶劣气象条件下的自适应性、研究针对无人机非稳定平台特性的目标定位算法、解决发动机的强烈机械振动带来的噪声影响、优化视觉系统并提高其整体实时性等。同时,本文在最后给出了详细的视觉系统硬件设计方案以及实验过程和结果。对于地面移动目标的自动识别,主要问题在于真实实验中会有尾气油烟遮挡目标,而且还可能出现雾霭、阴天等天气。这些都需要目标识别算法具有较强的适应能力。同时,视觉系统在目标识别过程中无人工参与,因此还需要识别算法具有较高的识别率和鲁棒性。本文将Retinex理论、矩不变算法、色调分割等多个理论和算法相结合,并进行简化、改进和创新,最终达到预期性能。本文还对基于HMAX模型对人类大脑视觉皮层的仿生视觉进行了探索性的研究,为将来无人机视觉的发展做铺垫,使其走向智能化。在目标的定位方面,本文主要研究的问题是如何确保和提高定位的精度。无人机姿态的变化和发动机的剧烈振动是造成定位误差的主要原因。本文融合组合惯性导航系统的姿态信息提出了一种快速的位置校正算法,该算法可消除无人机在随机动态飞行时姿态变化对定位的影响。然后,为了解决机械振动导致的定位振荡和噪声模型不易建立的问题。本文首先对无味卡尔曼滤波器(UKF)进行了简化,以解决噪声模型不确定的问题,同时将数字低通滤波器(DLF)的强平滑性融合到UKF中,以弥补简化后UKF滤波器平滑性变弱的问题。最终本文提出了一种新的LUKF滤波器,可以达到跟踪性和平滑性兼顾的效果。本文在最后详细论述了视觉系统硬件的选型与搭建,以及系统软件的结构和流程。并且展示了部分地面实验和试飞实验的结果,旨在验证视觉系统各方面性能,并对实验结果进行了详细的分析。最终给出系统性能的结论性总结。