随着科技的进步,现代战争逐渐由机械化、信息化向着智能化迈进,战争形态朝着无人化与集群化方向发展。无人机也逐渐登上战争冲突的舞台,并且在2020年阿塞拜疆与亚美尼亚的战争中发挥了重要的作用,对战争起到了决定胜负的影响,开展基于无人机对地面目标的检测与跟踪研究具有重大的理论意义及应用价值。在此背景下,本文开展多无人机协同地面目标对峙跟踪与控制方法研究,突破基于深度神经网络的无人机对地目标检测、多无人机协同定位与跟踪等关键技术,实现多无人机协同地面目标对峙跟踪控制。首先,研究基于深度学习的无人机视觉目标检测与跟踪技术。在YOLO（You Only Look Once）深度神经网络下实现无人机对地目标检测,在目标检测的基础上,建立融合YOLOv3和Siam Mask的目标检测跟踪一体化框架,实现对序列图像目标的检测与连续跟踪。其次,研究基于分布式滤波的无人机协同目标定位方法。设计了一种基于状态决策机的分布式控制结构使得无人机通过不同的触发事件改变自身状态以完成协同定位目标的任务。对无人机目标识别的结果进行图像解算,作为量测量,对地面目标的运动进行建模作为状态方程,每架无人机分别执行EKF（Extended Kalman Filter）定位滤波器,得到目标的位置估计;无人机间通过相互通信得到对方计算的目标位置估计,给出一种有效的状态向量融合方法,利用该方法实现多无人机间目标定位信息的优化,这种分布式滤波方法可以提升系统冗余度,仿真实验验证该协同定位方法的有效性。第三,研究基于李雅普诺夫向量场的多无人机协同地面目标对峙跟踪与控制方法。构造无人机飞行导航向量场,针对单架无人机盘旋跟踪地面静止目标和多无人机协同地面移动目标对峙跟踪情况分别设计跟踪控制器,在多无人机协同目标定位基础上,开展两架无人机协同地面移动目标对峙跟踪一体化仿真实验。最后,搭建基于Air Sim的可视化仿真平台,设计仿真平台的整体架构。基于UE4建立了地形环境数据库和目标模型数据库,将Air Sim作为四旋翼模拟器应用在数据库的虚拟场景中,分别设计了目标检测子系统、目标定位子系统和跟踪控制子系统。平台实现的功能包括:无人机自动识别目标,无人机在预设区域悬停以及无人机盘旋对峙地面静止目标。