随着智能化时代到来,无人机逐渐大众化,越来越多的行业开始使用无人机从事作业。无人机如何高效的完成作业任务取决于路径规划系统,无人机路径规划是指为了保证无人机完成特定的飞行任务,并且在完成任务的过程中躲避各种障碍、威胁区域而设计出最优航迹路线的过程。研究无人机航迹规划问题,可使无人机在飞行中保证安全的前提下,尽可能的缩短执行任务时的飞行距离。因此,对无人机航路轨迹的研究前景广阔,意义重大。针对研究内容,本文主要进行了以下方面的工作内容:(1)对航迹规划环境和障碍物进行建模,并对无人机执行任务时的威胁模型进行了说明。对无人机航迹规划常用到的算法进行了介绍,包括对遗传算法、神经网络算法、粒子群算法、人工势场法的基本原理和算法步骤进行了介绍,分析总结了它们各自的优缺点。(2)依据启发式A~*算法的原理,在Matlab上进行了对A~*算法仿真,首先根据起始点、目标点和障碍物等已知信息进行环境建模,然后根据算法原理将A~*算法符合约束的节点放入OPEN列表中,反之,放到CLOSE列表中,最后将OPEN列表中的节点依次连接,得到规划路径。针对得到的规划路径存在转折角处路径长度长,路径未达到全局最优,于是进行算法改进,在满足无人机运动学约束的情况下引入切线弧,并进行实验仿真,仿真结果表明,改进后路径长度相较缩短。证明了改进算法的有效性。(3)对RRT算法进行了原理过程仿真,并针对RRT算法搜寻路径时费时、效率低,引入RRT-Connect思想得到规划路径,再通过对算法RRT-Connect进行改进,并对改进后的算法进行了仿真,仿真结果表明,改进算法后的路径长度相较RRT-Connect算法得到的路径长度更短。对蚁群算法规划路径进行了基本思想和关键参数的解释,验证了蚁群算法在搜索路径方面的有效性,针对传统蚁群算法在进行航迹规划时,易于早期陷入局部最优的问题,借鉴象棋中“卒”的走法规则,通过设置状态参数方程得到改进的航迹,并将改进后的航迹进行再规划,使得到满足全局最优的航迹规划路径。仿真结果表明,通过改进以及再规划后的蚁群算法能够达到缩短航迹长度的目的。