近些年来,随着视觉网络技术的快速发展,自动驾驶、机器人和无人机等领域在目标识别技术方面的精度与速度都有了飞速的提升。未来,无人机必将在更多领域中扮演更加重要的角色,而视觉网络系统作为无人机不可或缺的一部分,被广泛用于侦察敌情、探测目标和自动跟踪目标等任务,相应的视觉网络系统的算法显得尤为重要,是无人机对目标成功实现检测和定位的关键。目标识别技术应用于无人机,可以帮助无人机通过运用视觉系统算法,实现在快速检测目标时,迅速分辨具体地形情况即时做出决策;此外,目标识别技术的应用对于实现无人机的自主到达准确目标位置点,完成飞行任务、保障飞行安全具有战略意义。因此,搭载目标检测技术为核心的无人机的自主导航与降落技术具有十分重要的作用。本文涉及的关键技术具体有GPS自主导航、串口通信、目标检测、目标识别与目标跟踪和无人机的飞行控制。首先,在低速小平台上加装GPS模块,并通过无线模块发射出GPS信号;其次,无人机通过接受到GPS信号,进行粗定位,对无人机进行飞行控制,使得其到达移动平台的上方并能够使移动平台出现在无人机搭载的摄像头扫描的范围内;然后,在Darknet＿ROS网络下,无人机上的摄像头模块通过YOLO算法对目标进行识别、跟踪,并预估目标的移动轨迹,不断拉近与目标之间的距离;最后,控制无人机自主降落目标平台上。本文在搭载嵌入式设备NVIDIA Jetson TX2、无线通信模块ATK-LORA、GPS模块ATK1218-BD并配合4k-7730摄像头的大疆M210v无人机的平台上进行验证。实验结果表明,在面向低速小平台时,本文完成自主导航的任务并实现无人机对目标的检测与识别、跟踪和自主降落。本文主要研究内容如下:（1）为减小GPS的相对误差,在移动平台上搭载相同嵌入式设备Jetson TX2,GPS模块ATK1218-BD以及无线通信模块ATK-LORA,实时获得无人机搭载的GPS数据与移动平台搭载的GPS数据,并通过无线模块ATK-LORA进行GPS数据的传递。（2）本文以YOLOv4目标检测与识别算法,进行识别目标获得到精准率高、识别速度快并能实时检测的识别结果。（3）基于以上两点,根据无人机获得的移动平台GPS信号,推导出移动平台的坐标,利用飞行控制算法,控制无人机使其不断的减小与移动平台距离,直到移动平台出现在无人机的摄像头内,当摄像头识别到移动平台时,使用目标跟踪算法跟踪移动平台,不断地缩短与目标之间的距离,并设定距离阈值,当小于距离阈值时,控制无人机安全自主降落到移动平台上。本文对无人机、NVIDIA Jetson TX2嵌入式设备进行开发,完成了上述系统,并通过Gazebo仿真实验对单目测距算法的验证,以及在大疆无人机M210v平台上验证系统的效果。本文对实现无人机的实时目标识别、自主导航与降落,具有一定的参考价值。