随着深度学习技术的迅速发展和无人机产品的逐渐成熟,基于无人机平台的车辆目标视觉检测和地理定位具有深远的实际意义和广阔的应用前景。传统的人工提取特征的检测算法泛化能力差,检测精度低,运行速度慢。因此本文基于深度学习的方法实现车辆目标的实时检测。在检测的基础上,本文基于无人机实时传感信息实现了车辆目标的地理定位和跟踪方法,并实现了软硬件系统的架构设计和开发,具有重要的实用意义。本文的主要研究内容如下:比较分析了多种目标检测方法,重点研究了基于YOLOv3的实时目标检测算法及其优化,提出了一种基于尺度先验和二值化图像轮廓检测的优化方法,对车辆目标的检测结果进行优化。简单介绍了相机的成像模型和标定原理,提出了一种基于无人机实时传感器数据的车辆目标地理定位方法。针对相机的非线性成像模型,本文又提出了一种基于BP神经网络的距离转换方法用于检测目标的地理位置估计。另外本文基于目标地理定位结果实现了检测目标的跟踪以及目标运动状态的判断。结合上述设计的算法,本文实现了一整套实时车辆目标视觉检测与地理定位系统的软硬件架构设计和程序开发,包括安卓手机应用和移动工作站端软件。实验结果表明:本文设计的目标检测算法具有较高的检测精度和较快的检测速度,满足实际需求;本文设计的地理定位算法对于目标地理位置的估计误差较小;本文设计开发的软硬件系统能够正常工作,具有实际工程意义。