近年来,无人机呈现智能化和集群化的发展趋势,对无人机跟踪定位地面运动目标提出了技术挑战。智能化要求无人机能够在有限计算资源的处理器上进行在线自主操作,集群化要求无人机具有统一的框架,以便多机之间进行信息共享。本文针对无人机在线跟踪定位地面运动目标问题,开展机载多传感器的外参标定、惯性坐标系下运动目标的绝对定位、运动目标状态滤波以及目标轨迹平滑等关键技术研究,主要研究工作及成果总结如下:（1）构建了无人机对地面目标的位置解算模型,实现了对目标的惯性坐标系下的绝对定位。无人机的高速运动和地面目标的不确定性运动导致相机参考系和目标参考系处于不断变化之中。本文通过视觉测量方法,结合无人机平台传感器的自身定位,估计地面目标在惯性参考系下位置的方案。根据总体方案,分析了从图像到世界坐标绝对定位的误差来源,并提出了优化方案,提高了定位精度。（2）提出了无人机机载多传感器之间的外参标定优化方法。针对无人机机载平台的多传感器之间的外参标定,提出了基于非线性优化的方法。不同于借助辅助标定物的外参标定方法,本方法通过飞行实验获取图像数据和无人机飞行数据,通过坐标变换建立图像像素和目标物理空间的位置对应关系,并与目标真实位置进行比较,利用非线性优化方法进行误差最小化,得到外参的最优值,并通过实物飞行实验验证了外参优化算法的有效性。（3）提出了基于扩展卡尔曼滤波的目标位姿估计方法和基于局部加权回归的轨迹在线平滑方法。建立地面运动目标的状态空间模型,考虑到轻量级的处理器以及在线定位的系统要求,采用扩展卡尔曼滤波的递归滤波方法来估计目标的位姿,分析了扩展卡尔曼滤波的动态误差传递过程以及非收敛性保证。在离散采样滤波结果的基础上,提出了基于局部加权回归的轨迹在线平滑方法,利用目标位姿的历史数据,在不同时间间隔的定位结果赋予不同的权值,通过拟合的方法获取目标在一段时间内的平滑轨迹。