La estimación de pose y la percepción ambiental son las capacidades fundamentales de los robots autónomos. En este documento, se presenta una nueva estrategia de estimación de pose en tiempo real y detección de objetos (RPEOD) para el seguimiento de objetivos por parte de robots aéreos. El robot aéreo está equipado con una cámara de ojo de pez binocular para la estimación de pose y una cámara de profundidad para capturar la posición espacial del objetivo rastreado. El sistema RPEOD utiliza un algoritmo de flujo óptico escaso para rastrear características de esquina de la imagen, y el ajuste de paquete local se restringe en una ventana deslizante. Posteriormente, propusimos YZNet, una estructura de inferencia neuronal ligera, y la tomamos como la columna vertebral en YOLOV5 (el detector de objetos en tiempo real de última generación). El sistema RPEOD puede reducir drásticamente la complejidad computacional en la minimización del error de reproyección y el proceso de inferencia de la red neuronal; por lo tanto, puede calcular en tiempo real en la computadora a bordo del robot aéreo. El sistema RPEOD se evalúa utilizando experimentos simulados y del mundo real, demostrando claras ventajas sobre los enfoques de última generación, y es significativamente más rápido.