随着科学技术的迅猛发展以及近些年来国内经济的迅速增长,我国居民生活水平有了大幅度提升,造成了机动车辆数目急剧增加。随之带来了一系列的问题,比如:交通拥堵问题越来越严重、交通事故发生也越来越频繁。为了解决这一系列的问题,智能交通系统（ITS）受到了人们的广泛关注。然而定点监控存在监控视野受限、安装成本高、灵活性差等不足;旋翼飞行机器人具有体积小、灵活性强、易于操控等特性,在智能交通领域得到了广泛应用。本文开展了基于旋翼飞行机器人的车辆检测与跟踪方法研究,主要的研究工作如下:首先,论文介绍了实验室自主搭建的旋翼飞行机器人视觉实验平台,包括旋翼飞行机器人的硬件组成、机身所搭载的视觉传感器以及无线通信模块。并详细介绍了旋翼飞行机器人的结构、飞行原理以及飞行控制原理;同时也对旋翼飞行机器人搭载的视觉传感器Realsense r200的双目视觉测量原理做了详细介绍。其次,论文研究了基于YOLO v3框架的车辆检测方法,针对车辆检测过程中存在的检测框定位精确度不够的问题,提出了基于边界框改进的YOLO v3车辆检测方法:利用IOU-NET预测出边界框与真实目标框之间的IOU,使得网络能够得出检测框的定位精确度;并利用本课题的旋翼飞行机器人对真实场景进行数据采集然后通过Label Img工具完成数据标注,创建了本课题实验的车辆数据集。实验结果表明,改进后的车辆检测算法对比原YOLO v3算法性能在检测精确性方面有明显的提升。再次,本文研究了基于改进的DSST车辆目标跟踪方法。介绍了经典的目标跟踪算法（粒子滤波与Camshift）与相关滤波跟踪算法（KCF与DSST）的基本原理,利用特征融合的方法对DSST跟踪算法进行了改进。实验结果验证了本文改进的跟踪算法的性能较好,准确率较高并且跟踪速度较快,且能够应对遮挡因素的影响。最后,论文基于Gazebo机器人仿真平台设计了对旋翼飞行机器人的跟踪仿真实验。本文在仿真中设置了旋翼飞行机器人的绕圆飞行实验,仿真实验结果验证了旋翼飞行机器人可以较稳定的按照指定路径进行自主飞行。接着在真实场景中的对旋翼飞行机器人进行了跟踪实验,实验结果进一步表明,旋翼飞行机器人能够较为精准地完成跟踪车辆目标的任务。