无人机具有自动驾驶、类型多样、功能全面等一系列优点,因此在全球的许多领域都有着广泛应用。近年来,无人机智能化发展迅速,已经成为当下科技领域主流的研究方向之一,而航迹规划技术是无人机智能化系统的重要组成部分。基于航迹规划技术的任务规划系统是以无人机为载体,应用航迹规划技术完成自动巡航、规避威胁和到达目标位置等任务的智能系统,具有自动驾驶功能。本文研究了单个无人机在静态和动态环境中的航迹规划问题、多个无人机协同完成作业时的航迹规划问题、航迹平滑问题,并且设计了相应的算法解决这些问题。首先,对无人机航迹规划进行数学建模。航迹规划需要在地图中进行,因此构建了规则栅格地图和多叉树地图模型。针对约束条件,分别建立了单无人机约束条件、多无人机约束条件和威胁区域的数学模型。为了提高搜索的效率,给出了飞行航迹和航迹代价函数的数学形式。然后,针对静态航迹规划问题,提出了基于改进势场蚁群算法的单无人机离线航迹规划算法。以精英蚁群算法为基础,将算法中的状态转移函数与人工势场法进行融合设计。为障碍物设置斥力场,使航迹与障碍物保持安全距离。为目标位置设置引力场,引导航迹搜索方向。在邻节点搜索时,添加无人机约束条件限制。在信息素更新时,设置了双精英蚂蚁策略和混沌扰动。此外,引入视线算法平滑航迹。通过离线航迹规划的仿真实验,验证了融合算法的有效性。随后,针对动态航迹规划问题,提出了基于改进Lazy Theta*算法的单无人机在线航迹规划算法。在多叉树地图中,应用改进Lazy Theta*算法搜索航迹。由于无人机飞行时,易碰撞障碍物,因此对障碍物进行膨胀处理。由于航迹冗余节点较多,设计了二维和三维栅格地图中的视线算法,用来优化航迹。对算法中的启发函数进行设计,使启发项权重与节点位置相关。通过在线航迹规划的仿真实验,验证了改进Lazy Theta*算法的有效性。接着,针对协同航迹规划问题,设计了基于NSGA-Ⅲ算法（Non-dominated Sorting in Genetic Algorithm-Ⅲ）的多无人机协同航迹规划算法。在该问题中,各无人机的航迹代价、空间协同约束与时间协同约束是三个独立的约束条件。将多个约束转换为NSGA-Ⅲ算法的多个目标后,对NSGA-Ⅲ算法与改进势场蚁群算法进行融合设计。NSGA-Ⅲ算法的细节方面,设计了非支配集生成和下一代种群选择方法等。通过离线航迹规划的仿真实验,验证了NSGA-Ⅲ算法的有效性。最后,针对航迹平滑问题,设计了基于B样条插值算法的平滑算法,详细介绍了其原理与流程。将航迹规划算法搜索到的航迹节点作为输入,应用航迹平滑算法,得到平滑后的航迹。通过二维和三维地图中的仿真实验,验证了B样条插值算法的有效性。