近几年我国低空空域逐步开放,无人机领域也得到了重视和拓展,出现了许多用于无人机路径规划的算法。头脑风暴优化算法是近年来一种新兴的群智能优化算法,对于处理路径规划问题,具有重大的研究意义。本文主要研究了低空范围内无人机的航线规划问题,包括目标函数的数学建模、地貌信息的三维可视化、头脑风暴算法的改进以及可视化系统的设计实现。本文的研究工作如下:(1)通过分析研究Delaunay三角网的三种经典构网算法,综合分治法与生长法的优势,通过先数据划分再内部生长的方法,改进了构网方式,缩短了构网时间。对数据量分别为500、1500、2500、3500的离散点进行实验,实验结果表明,改进后的构网方法较传统方法具有更好的实时性。最终以某山脉的数字高程信息作为无人机的飞行环境数据,实现了周边地貌信息的三维可视化。(2)针对该地理环境下的低空航线规划问题,通过对坐标系的转换,将求取各个航迹点坐标的多元问题转换为单元问题。在该坐标轴下,简化了无人机的运动状态模型。研究了航迹规划的各种约束条件,通过分析飞行任务中面对的实际情况,初步确定以航迹段约束和雷达威胁环境作为约束条件,考虑到雷达方程中发现目标的概率与目标到雷达的距离R的关系,对发现概率做出了简化,建立了目标函数的数学模型,最终确定了头脑风暴算法的目标函数。(3)对基于讨论机制的头脑风暴算法做出了改进,并对改进后的算法做出了适应性调整,使其更适合处理低空航线规划问题。经过对UCI数据库中三种聚类数据集的对比实验,证明了密度聚类算法较k均值聚类算法而言,具有更短的运行时间和更高的聚类准确度,最终将DBscan算法应用于该算法中。通过改进后算法与传统算法对不同威胁环境下的对比实验,证明了改进后的算法效率较传统算法提高了6.01%,航迹段缩短了22.00%,对于无人机来说,大大节省了油耗,缩短了飞行时间,更适用于航迹规划问题。又通过对同一目标函数在相同迭代次数下进行的对比实验,证明了改进后的头脑风暴算法较其他优化算法而言,在处理航线规划问题时具有更加良好的性能。(4)在上述理论研究的基础上,设计实现了三维地貌及规划结果的可视化系统,该系统能够完成三维地貌及二维俯视图的绘制与显示,高程信息的读取显示以及航线规划结果的可视化等功能,为航线规划结果提供了直观的展示平台。