无人机技术是近年来航空领域研究的热点,随着航空电子技术、信息通信技术和智能技术的不断发展,以及深度学习技术在图像方面的应用日渐成熟,无人机领域取得了快速进步,同时随着硬件计算性能的提升,在无人机上搭载计算资源实时进行深度学习计算称为可能。针对无人机对目标进行实时追踪过程中容易出现遮挡或消失情况,导致任务失败的问题,因此本课题旨在以无人机作为平台,采用基于检测的追踪策略,通过机载计算资源对摄像头拍摄到的图片信息进行目标检测,实现无人机对检测到的目标实时追踪功能,相比于传统的追踪效果提高了追踪性能的准确性。本文的研究工作如下:首先根据无人机自主导航的任务确定整体技术方案,包括无人机的建模、选型、搭建和测试。然后对无人机的飞行性能进行分析,达到平稳飞行的功能。其次,根据任务要求,对目标检测算法进行分析,利用深度学习强大的特征提取能力,选用网络结构简单、计算量小、实时性高的YOLOv3-tiny算法,这种算法将准确性和快速性很好地结合到一起,并且易于移植,适用于搭载在无人机这种快速移动的平台上。然后,设计控制无人机飞行的控制器,将传统PID和模糊控制结合到一起,将相机检测到目标的位置信息作为控制器的输入量,通过控制器解算出控制无人机飞行的控制信号。最后,利用ROS和开源飞控PX4进行仿真验证,在搭建好的平台上制作检测所需的数据集,并根据待检测的类别修改网络配置文件并完成训练。将训练好的检测算法和控制算法部署到仿真环境的无人机平台上进行实验,实验结果显示检测算法的准确率达到96%以上,追踪过程在像素平面内的误差在40左右,追踪性能良好。