无人机因其体型小巧、灵活性高、成本低、易维护受到大众的关注。无人机在室外通常依赖GPS为其提供定位信息,但当无人机在森林,隧道,室内等弱GPS或无GPS信号的场景工作时,将无法获取自身定位信息,无法自主完成飞行任务。在实际应用时很多场景下不能保证GPS信号满足任务要求,如:物流仓储管理、室内体育竞技比赛直播、演播厅中演员跟拍、以及疫情中在企业小区内巡查和宣传工作等无接触式任务。完成这些任务时,不仅需要无人机在不依赖GPS的情况下自主飞行至指定地点,同时要求无人机能够找到随机设定的特定目标,并进行跟踪。本文从实际出发,针对在室内弱GPS环境下无人机无法获取可靠定位信息,难以持续跟踪任意目标的问题,设计一套无人机自主飞行及自动跟踪指定目标方案。根据无人机系统的特点,尝试对可用于无人机平台的室内定位算法以及基于孪生网络结构的深度学习视觉目标跟踪算法进行改进。本次课题使用超宽带定位系统为无人机在室内环境提供可靠定位信息。使用基于视觉的目标检测算法检测出候选目标,通过地面站选择需要跟踪的目标,根据视觉跟踪算法输出结果控制无人机运动方向,持续对目标进行跟踪。本论文的研究对象是基于超宽带定位系统的无人机室内定位算法,以及基于深度学习的单目标视觉跟踪算法。为了使超宽带定位系统满足本课题实际要求,从处理传感器测距值出发,使用线性拟合环境误差、异常值检测剔除、卡尔曼滤波去除高斯白噪声实现获取较稳定的测距值。因三边定位法不适用于运动中无人机定位,本课题选择使用扩展卡尔曼滤波算法融合测距值得到无人机定位值,为减小Z轴误差,使用精度更高的激光雷达,将超宽带定位系统定位问题从三维简化为二维,为了获取更精确的状态初值,使用高斯牛顿法进行迭代求解。为了提高视觉目标跟踪算法的跟踪性能,对现有的单目标视觉跟踪算法Siam RPN进行研究,从提高算法鲁棒性入手,将算法从完全依赖高质量初始帧目标图像作为跟踪模板改进为多帧目标特征融合,使用目标的初始帧、前一帧提取的特征以及历史融合帧三者作为特征融合网络的输入,并将融合结果作为当前帧的跟踪模板;其次引入残差策略,使融合结果不会偏离初始帧信息太远;与此同时使用更深层的网络提高跟踪器的特征提取能力并在模板信息融合时加权融合浅层大分辨率外形特征与深层目标语义特征使提取的目标特征更丰富,更进一步的优化下一帧跟踪模板信息的质量。为了验证上述方案可行性,搭建一套配备单目摄像头的四旋翼无人机,以及一套超宽带定位系统。实现定位系统输出的定位信息用于无人机自主定位以及视觉目标跟踪。