多旋翼无人机是一种飞行性能出色的无人飞行器,它通过改变各旋翼的转速来调整自身的姿态进而实现位置控制,具有悬停性能优异、移动灵活、机械结构紧凑、系统可靠性高等优点。无人机可通过自身挂载的传感器获取当前环境信息,发出控制指令引导无人机完成具体的飞行任务。本文研究中,采用视觉传感器,获取当前环境和跟踪目标的视频流信息,研究具有环境适应力的跟踪算法,最终达到无人机自主目标跟踪的目的,以下为具体研究内容:针对无人机自主控制问题,本文建立了基于多旋翼无人机自主目标跟踪系统的数学模型,其中包括无人机自身的动力学模型和视觉目标成像模型。通过建立无人机动力学模型,分析无人机飞行姿态控制原理,进而通过建立目标成像模型解算无人机与目标物相对位置关系,为无人机自主目标跟踪奠定基础。针对视觉跟踪问题,首先研究了核相关滤波(KCF)算法和跟踪检测学习(Tracking-Learning-Detection,TLD)算法的原理及数学模型。然后基于无人机挂载相机获得的图像序列,研究了融合后的KCF-TLD算法,该算法引入了 KCF算法替代原始TLD算法中的跟踪模块。在测试后发现KCF-TLD算法在解决目标遮挡问题和提升跟踪实时性等方面效果较为理想,但是在环境亮度不足的情况下,可能出现目标无法识别或目标跟踪失败的情况。所以最后本文提出了在KCF-TLD算法基础上加入亮度增强模块,从而保证目标识别的准确性。然后结合建立的无人机运动学模型,设计了比例积分微分(PID)控制器,并在MATLAB中仿真验证了模型的有效性。为了验证跟踪算法的有效性,最后在无人机实际平台上进行了算法验证。通过地面端实时监控画面,手动框选目标,计算和发送指令控制无人机进行位姿调整,最终完成无人机自主目标跟踪任务。