当前智慧城市场景下,无人飞行器在现代城市环境中的大规模应用依赖于鲁棒的定位,检测,追踪模块。在城市环境中的精准定位面临着定位信号涌浪,建筑物遮挡,特征信号重复等常见问题干扰,同时传统的目标检测和追踪方法也面临着动态环境,特征遮挡,距离估算等挑战。本文针对动态场景下的无人系统在城市环境中的建图,定位,检测,追踪模块算法进行研究论述。在室外复杂环境下使用GPS定位会出现信号遮挡,信号涌浪等一系列的传统定位问题导致定位出现偏差,城市环境下由于室外障碍物和复杂的电磁环境使得对定位稳定性和精度提出了极高的要求。由于实时定位与建图(Simultaneous Localization and Mapping,简称SLAM)与惯性导航系统的系统结构局限性,使得他们都不够鲁棒。我们在文中提出了一种从大规模城市道路场景中重建高精彩色点云地图,结合正态分布变换(Normal Distribution Transformation,简称NDT)实现精准定位的方法。高精彩色点云地图同时可以用于无人驾驶汽车和无人机的感知、定位、自动导航和智慧城市管理系统中。高精地图的应用可以在城市场景中实现厘米级的定位,本文针对障碍物检测提出了一种基于环绕镜头的高精点云地图,并在高速公路上以正常速度完成地图采集和生成。深度学习的发展使得在动态障碍物识别方面取得了很大的突破,这些技术使得基于高精地图的动态点云障碍物检测与目标追踪在现代智慧城市场景中得以有效实现。与以往单纯基于视觉的障碍物检测与追踪方法不同,使用高精地图可以极大的降低点云分类的难度,激光雷达的使用也解决了动态检测的尺度问题。将传统的卡尔曼滤波、匈牙利算法和当前的深度学习相结合,实现了鲁棒的动态障碍物检测和追踪。最终实验证明了,该系统可以有效地实现城市场景中的动态障碍物分离检测和动态目标追踪的问题。本文对以上系统所涉及的原理和数理模型进行分析与讨论,介绍系统数据流与关键步骤,并展示实验结果对原理进行了验证。结果表明,通过构建高精点云地图,NDT实时匹配定位,点云障碍物检测追踪,可以实现一套完整有效的智慧城市场景下无人信息系统的构架。能够有效的实现并执行城市建图,无人系统定位,自动避障,目标物检测和追踪等任务。