随着无人驾驶飞行器及技术的发展,无人机在工业和生活的应用逐步推广,无人机运输将成为未来运输系统的一个重要分支。在无人机相关研究中,无人机航迹布署和无人机精确着陆关键技术是完成无人机运输的两个重要内容。近期,由于机器学习算法在人工智能领域取得了突破性的研究进展,使得无人机航迹规划和精确着陆技术有了进一步提升的可能,也带来了广阔的研究空间。本文针对这两个方面进行了探索,主要从改进传统航迹规划算法和基于图像的降落引导两个方面展开研究。无人机航迹布署的问题类似于求解旅行商问题,引入旅行商寻径的思想,可以找寻航迹最短的路径,将寻址过程转化为加权哈密尔顿图求解的过程,利用蚁群算法计算出最优的航迹。针对传统的蚁群算法,提出了基于牛顿冷却法的标志素改进方法,仿真和实验的结果证明,未改进算法的航迹长度为1359.8m,改进的蚁群算法最优航迹长度为1337.9m,改进的蚁群算法比传统蚁群算法得到的解更优,寻址更符合实际应用,能够有效解决无人机航迹布署问题。目前,无人机着陆的引导主要依靠GPS和北斗导航定位,在无GPS或北斗导航定位情况下,需要重新建立参考系进行位置的标定。无人机视觉定位是辅助无人机着陆的一种方法,首先基于尺度不变特征变换找出图像信息与实际地理位置特征点,然后根据特征匹配找到着陆点附近的位置。针对无人机着陆姿态的控制,提出了利用图像边缘检测特征位置轮廓,并根据图像形心求距和方位角的策略,计算出无人机姿态调整参数,进一步由地面站调用这些参数控制无人机向着陆点移动。实验结果表明,该方法欧式误差均值为5.4cm,横纵坐标误差分别在3.2cm和3.7cm,在无GPS或北斗导航的情况下,可以实现无人机精确着陆。面向无人机运输过程中的航迹规划和精确着陆的关键技术进行了研究,针对具体的问题提出了相应的改进方法。通过实际飞行实验表明,本文提出的方法能够在实际中很好地应用,较之前的传统方法有更好的优化结果。