在复杂环境中，使用机载摄像机对地面多机动目标进行实时跟踪和定位，是无人机技术的一项重要应用场景，在军事侦察、交通监管和灾害救援等任务中能够发挥关键作用。无人机平台上的视觉检测和跟踪问题，比一般监控系统中的复杂。跟踪任务中，机载摄像机获得视频图像中呈现的目标尺寸较小，无人机的航向和姿态调整会改变图像背景与摄像机的相对位置关系，给目标的检测带来困难；地形地貌复杂多变，目标机动且时常被地物遮挡，降低了目标跟踪的稳定性和持续性，并给目标定位的精度带来影响。　　针对以上问题，本文的研究工作围绕无人机视觉展开，重点研究了视觉目标检测、单目标和多目标跟踪等问题，在此基础之上，实现无人机对地面单目标和多目标的跟踪和定位，并在仿真实验中进行了验证。主要完成如下工作：　　1）无人机获取视频中背景运动的存在，使一般的视觉检测算法无法应用于无人机平台。本文采用LK光流检测图像中的背景，构造透视变换模型对相邻帧图像进行配准，补偿背景的运动。随后使用多帧差分检测机动目标，结合形态学滤波和运动历史图算法改善检测效果，使检测目标的轮廓更完整。　　2）研究当前的视觉单目标跟踪算法，对跟踪算法的原理和优缺点进行分析。针对无人机视觉跟踪中的目标外观变化和遮挡问题，融合颜色特征和LBP特征，构造自适应的外观模型，在粒子滤波框架下实现跟踪算法。当目标丢失时重新进行搜索，提高了对无人机跟踪场景的适应性。　　3）介绍了多目标跟踪算法的发展和研究难点。采取主流的基于检测的多目标跟踪方式，利用Haar-like特征和Adaboos t学习算法，构造针对地面特定机动目标的检测器，并将多目标的数据关联问题转化为二部图的最佳匹配问题求解，实现无人机对地面多目标的跟踪。　　4）无人机的视觉定位，实质是求解目标点在图像坐标与空间坐标系间的位置变换关系。本文利用针孔相机模型和旋转矩阵求解目标点与相机的相对位置，带入目标点的图像坐标、无人机飞行高度和姿态等信息求解图像目标点的空间坐标，实现基于视觉图像的目标定位算法。结合之前对单目标、多目标跟踪的研究，实现对地面单台或多台机动车辆的跟踪和定位，在三维仿真环境中对算法的可行性进行了验证，仿真结果表明，定位误差在预期范围内。