近年来,随着无人机技术的发展和成熟,无人机已广泛应用于军事和民用领域。除了执行传统的航拍、测绘、战场侦察等任务外,无人机还被赋予了自主飞行、目标检测与识别等功能,智能化的自主无人机越来越受到各行各业的欢迎。双目立体视觉技术和目标检测技术是智能无人机的关键技术,它们能赋予无人机对环境的智能感知能力,提高无人机的自主性。本文以无人机为实验平台,对无人机的双目视觉目标测距与目标检测进行了分析和设计。设计基于双目视觉的目标测距,通过立体匹配算法得到场景中目标物体的视差和距离信息。本文首先介绍了立体标定和立体校正,对本文使用的双目相机进行标定;然后介绍了几种不同的立体匹配算法,设计实验分析不同算法的优缺点并为本课题选择合适的立体匹配算法;最后使用立体匹配算法得到真实场景中物体的距离信息。设计基于MobileNet与YOLOV3模型结合的目标检测,通过深度学习的方法对无人机获取的场景图像中的物体进行检测与识别。针对无人机平台运算能力小的问题,本文通过对YOLOV3目标检测算法和轻量级卷积神经网络MobileNet的研究,设计了基于MobileNet网络的YOLOV3的目标检测模型。利用GPU对模型进行训练和测试,与原始模型相比,该模型的FPS提升了3.6倍,参数量减少了91%,有利于将其部署在运算量小的嵌入式设备上。设计基于无人机双目视觉目标检测与测距系统的整体框架,并将其部署在无人机的嵌入式运算平台上。首先通过双目立体视觉技术得到场景图像的视差图;然后结合目标检测算法得到的目标在图像中的位置信息和类别信息,就可以得到目标的视差信息;最后根据双目测距原理得到目标的真实距离,从而实现无人机对场景中目标的检测识别与测距。