随着科技的发展,人们对机器人的要求变得越来越高,使得单一机器人在完成复杂任务时存在着一定的局限性。无人机与无人车协同系统因其在负载、速度、通信存在高度的互补,受到了国内外学者的广泛关注。无人机与无人车协同系统主要涉及到感知、决策、定位等科学问题。以无人机与无人车协同系统为研究对象,主要解决二者如何共同完成动态目标跟踪的任务。本文主要研究了基于视觉的目标跟踪、空地协同定位与环境建模、路径规划三个子问题。主要研究内容如下所示:第一,无人机与无人车协同系统采用分布式框架,明确了每个智能体的任务。搭建了无人机与无人车实验平台,并利用ROS作为通信基础,完成了二者间的实时通信。第二,利用无人机的视野优势,并通过改进的KCF算法对动态目标进行跟踪。并根据April Tag解算出动态目标在无人机坐标系中的位置信息,将其作为无人车的导航目标点,并利用改进的A*算法进行路径规划。第三,解决了无人机与无人车的协同定位问题。采用扩展卡尔曼滤波器（EKF）作为异构机器人系统的协同定位框架。在协同定位时,针对无人机提供给无人车的观测信息可能会与无人车自身的定位信息存在着冲突的现象,严重情况下会导致EKF算法发散的问题。无人车采用了完全信息静态博弈论,对是否进行协同定位做出了判断,提高了无人车定位的精度。第四,解决了无人机与无人车协同构建地图的问题。首先,利用无人机所携带的双目相机进行粗略的二维栅格环境地图构建,供给无人车导航使用。其次,无人车在追踪动态目标时,利用自身携带的单线激光雷达进行地图更新,得到精确的栅格地图,当存在障碍物变化时,刷新动态目标的坐标,重新进行路径规划。第五,以大疆Robot Master S1作为动态目标,在真实环境下,验证了所提出的所有算法的正确性。实验表明,本文所提出相关算法均能满足动态目标跟踪任务的要求。