随着国内外科研人员不断对无人机技术的探索,无人机控制技术理论广泛应用于实际场景并不断改进。无人机飞行过程中容易受到强磁、阵风等环境因素的影响,并且目标检测和跟踪会受到光照、目标外形变化导致跟踪失败,因此无人机技术与目标检测算法研究对提高无人机在视觉跟踪时提供良好的实时性与鲁棒性起着关键性作用。本课题研究重点开发一套无人机飞行控制平台,基于自研飞控平台对无人机进行目标跟踪时的数据融合、偏航补偿、目标检测及目标跟踪等关键技术进行研究,主要研究内容有以下几个方面:（1）自研飞控平台,其中包括对硬件的布局设计、10轴核心传感器底层驱动以及飞控平台外设驱动的代码编写、采用梯度下降法进行姿态解算,利用互补滤波融合陀螺仪补偿姿态数据。采用ADRC对无人机飞行进行控制,融合加速度解算实时高度数据,增强无人机飞行中的稳定性与抗干扰性能,为无人机结合视觉进行稳定跟踪奠定基础。（2）跟踪任务由两个模块组成,分别为检测模块、跟踪模块。检测模块采用YOLO算法对目标进行识别并给出目标框,针对YOLO算法在检测小目标时出现漏检及误检的问题,采用小目标扩充方式增强目标检测模型。跟踪模块采用引入RPN网络的Siam RPN算法,相对于传统多尺度等回归方式,该算法中RPN网络的引入提高了跟踪速度,并将目标的跟踪流程分为分类与回归分支两个,提高了对目标框的预测精度与跟踪速度。（3）针对无人机在复杂环境下飞行时磁力计受影响导致偏航数据解算出现偏差问题,提出基于双GPS天线采集数据方式改进无人机偏航角解算,实时解算并补偿无人机偏航角,为无人机在跟踪过程提供稳定的航向数据。（4）基于ROS系统设计目标检测与目标跟踪节点,通过ROS通信连接目标检测模块、跟踪模块以及无人机控制模块完成跟踪目标体任务。