近年来，随着基于视觉的目标检测和跟踪技术的快速发展，基于视觉的智能系统在各个领域都有着广泛的应用。在航空航天领域，基于视觉的自动控制系统也日益受到重视，其中，基于视觉的空中加油自主对接系统对我国军事能力的发展具有重要意义。在空中复杂条件下，如何快速准确地实现对锥套目标的检测、跟踪以及位置测量，是空中加油自主对接系统亟待解决的问题。本文以软管式空中加油为背景，研究基于深度学习的目标检测、跟踪以及基于视觉的目标位置测量方法。本文的主要工作和贡献如下：

（1）针对单阶段目标检测网络检测精度较低的问题，提出了一种基于多感受野和弱监督分割的目标检测网络。该网络由两个分支构成：基于多感受野模块的检测分支和关注小目标的弱监督分割分支。在检测分支中，利用不同尺度的特征构造多尺度目标检测预测层。同时，为了提高目标检测的精度，在多尺度目标检测预测层上增加了多感受野模块，以不同的权重关注物体及其相邻背景的不同空间位置。在弱监督分割分支中，设计了关注小目标的弱监督分割模块，该模块将小目标的分割任务作为目标检测的辅助任务，可以提高小目标的检测精度。该网络采用多任务训练的方式，同时对检测分支和分割分支进行端到端的有监督训练。分别在空中加油锥套目标检测数据集和通用目标检测数据集上，验证了该网络的有效性。

（2）针对图像变化导致的检测难题，提出了一种基于深度学习和强化学习的空中加油锥套目标检测和跟踪方法。在空中复杂条件(如强光干扰、气流扰动、目标遮挡、目标尺度变化及姿态变化等)下，空中加油锥套目标图像差异明显，导致目标检测及跟踪难度大。为解决上述难题，提出了一种融合目标检测和跟踪的方法。其中，目标检测器是基于YOLO框架进行设计的，能够快速检测锥套目标，获得目标的粗略位置；目标跟踪器采用基于强化学习的方法对目标检测器得到的目标框进行调整，提高跟踪框与真实目标框的交并比，进而提高目标跟踪的精度。利用搭建的空中加油地面模拟平台，对上述方法进行了验证。

（3）针对锥套目标的实时三维测量问题，提出了一种基于空中加油目标模型的单目视觉测量方法。该方法包含两部分：基于多任务并行的深度卷积神经网络的锥套目标关键点检测和基于双椭圆的空中加油锥套目标位置测量。空中加油锥套目标由内部黑心部分、伞骨和外部伞套部分构成。根据空中加油锥套目标的几何特点，关键点检测模型检测锥套内部黑心部分的16个关键点和锥套外部伞套部分的32个关键点，将锥套目标关键点检测结果作为视觉测量的图像特征。同时，由于空中加油锥套目标内部黑心部分和外部伞套部分的投影在图像平面上是圆形或是椭圆，结合空中加油锥套目标关键点检测结果，设计了一种基于双椭圆的空中加油锥套目标位置测量模型，提高了空中加油目标位置测量的准确性。

（4）搭建了双机器人空中加油自主对接实验验证平台，实现了对视觉检测、跟踪以及测量方法的有效验证。该平台由两台机器人和一台嵌入式设备组成。其中，两台机器人分别用来模拟空中加油自主对接过程中的加油机和受油机。嵌入式设备Nvidia Jetson TX2作为计算平台，将所提出的空中加油锥套目标检测、跟踪、位置测量和视觉控制算法部署在该嵌入式设备上。实验结果验证了上述方法的有效性。