机器视觉近年来发展迅速,备受各国研究人员的关注。目标识别与跟踪技术在无人作战平台上的应用和发展,将改变未来城市战争的作战方式。对具有机器视觉系统的无人平台的研究将提高军队的作战能力,对实现军事现代化具有重要意义。以无人平台为研究对象,对其目标识别与跟踪机器视觉系统及云台控制进行了分析和设计。(1)针对研究对象的应用环境,选取车辆与人体进行识别,分析了两类物体的特点,首先使用OpenCV进行了基于全局特征的目标识别与定位,之后使用Adaboost算法进行了识别模型的训练与识别验证。利用基于卷积神经网络的YOLO算法实现了高精度的目标识别。为了实现任意目标的跟踪,实现了 Camshift跟踪算法并结合卡尔曼滤波进行了改进,提高了跟踪的抗干扰能力。之后采用KCF算法,提升机器视觉系统的跟踪能力。(2)在Windows平台设计了基于MFC的用户图形界面,并根据平台控制要求设计了通信协议,保证传输的稳定性与准确性。将部分功能移植到嵌入式Ubuntu平台,提高系统机动性。(3)根据对云台控制需求的分析,确定了合适的电机型号,并设计了主控为STM32F405RG的云台控制软硬件系统。通过姿态传感器MPU6050反馈的速度值实现速度环PID控制;通过云台电机CAN通信反馈的机械角实现了位置环PID控制。并利用死区控制等方法改进了 PID算法,提高了云台控制稳定性。(4)对云台进行了多项测试实验,验证云台的控制效果。随后针对整个无人平台目标识别与跟踪系统进行测试实验,通过统计的方法分析系统的跟踪效果,验证了系统的跟踪性能。