四旋翼无人机因其起降方便,机动性强,控制简单等优点,被广泛应用于航拍、救援、军事等领域,其中基于视觉的无人机目标追踪已经成为无人机研究的一个热点方向,它可以仅通过机载相机同时完成对目标和环境的检测,以更小的代价实现未知环境下对非合作目标的追踪任务。本文详细阐述了面向非合作目标的无人机追踪系统的研究与设计,具体内容如下:针对追踪过程中的目标检测与定位问题,为了获取可靠的目标检测结果,并保证检测速度,采用了Tiny-YOLOv3算法进行目标检测,获取目标在图像中的位置,并引入Tensor RT对检测网络进行优化,通过实验证明了所采用方法的检测速度与YOLOv3和Tiny-YOLOv3相比均有较大提升。为了求取目标位置,采用SGBM立体匹配算法获得视差图,计算目标深度信息,对目标位置进行解算。最后通过实验验证了所采用的方法在求解目标位置方面的可靠性。由于追踪环境未知,本文采用了基于视觉点云的障碍信息获取方法。在由SGBM算法获得的视差图基础上,获得稠密点云。为了便于存储和使用,采用八叉树算法对稠密点云作稀疏化处理,并通过实验验证了所得点云数据的准确性。为解决有障碍情况下目标因遮挡而无法被检测的问题,引入基于目标运动模型的卡尔曼位置预测方法,当目标丢失后对目标未来时刻的位置进行预测,通过仿真验证了预测方法的有效性。针对追踪过程中的航迹规划问题,在快速扩展随机树（RRT）算法的基础上,提出了改进RRT算法,优化随机点的选取方案。在选择随机点时,若以目标点为随机点进行扩展时航迹不经过障碍,则将目标点选取为随机点,否则在给定的随机点中随机选取,提高了规划效率。同时在规划过程中引入了偏航角的计算,使无人机飞行过程中可以将目标保持在视野中央。为了解决RRT算法所得航迹曲折性较大的弊端,提出了基于Bresenham算法的冗余航点裁剪策略。最后,通过仿真验证了规划方法的有效性。为保证实验的安全性,本章首先利用Gazebo软件设置了虚拟仿真环境,通过仿真实验验证了本文所提方法的有效性。并通过硬件选型、搭建和软件系统设计开发了实际追踪系统。最后通过实际飞行实验,验证了本文所提无人机目标追踪系统的可靠性。