随着全球物联网的不断发展,物联网连接数持续增加,传统的采集物联网传感器数据的方法存在成本高、通信范围小等缺点。由于无人机具有成本低廉、机动性强等优点,无人机成为解决大规模物联网中数据采集问题的有效方案。然而,无人机有限的能量成为影响无人机完成采集任务的关键,针对该问题,本文研究了无人机的飞行路径规划以减少无人机的能量消耗,建立了无人机与传感器间的数学模型并提出优化算法提升无人机的数据采集效率。本文的主要研究内容和创新性工作如下:（1）提出了一种基于希尔伯特曲线和遗传算法的路径规划算法。构建了无人机与传感器节点通信的系统模型,大规模的传感器节点随机分布在监测区域,无人机在节点正上方采集传感器数据。确立了通过优化无人机的飞行路径以减少无人机的飞行总路程,优化获得无人机飞行路径的时间以保证信息时效性的目标。仿真结果表明,相较于模拟退火粒子群算法和逆向混沌搜索遗传算法,该算法在减少了无人机飞行路径总路程的同时大幅度减少了获得无人机飞行路径的时间。（2）提出了基于无人机多节点信息传输和节点聚类的新型方案。构建了传感器节点分布服从泊松簇过程的监测区域模型,无人机停滞在空中采集传感器节点的数据。为了保证传感器数据的高效采集和可靠传输,在簇中心坐标已知和未知时,分别提出了基于节点融合的路径节点优化方案和基于改进迭代自组织数据分析法的聚类方案,使得无人机完成采集任务的同时减少了无人机的飞行能耗。仿真结果验证了所提方案的有效性。