农用无人机作为新兴的农业设备,相比于传统植保机械有着极大的优势,是目前相关领域的研究热点。其中路径规划是农用无人机系统的重要组成部分之一,不仅可以为无人机的遥控操作提供参考路径,而且能为进一步实现无人机的自主飞行制导与控制提供依据。路径规划的结果将直接影响到农用无人机的作业质量,但是目前关于如何提高路径规划质量方面的研究相对有所欠缺。因此本文以农用无人机的全覆盖路径规划为背景,考虑不同农田环境信息,对农用无人机路径规划问题进行研究。本文基于普通栅格法提出了沿无人机航行方向的矩形栅格环境建模方法,该方法有效的减小了普通栅格划分方式的存储空间。分析农田中常见的几类障碍物类型,根据其几何外形和影响方式分别建立了数学模型。基于不同的障碍物类型提出了多种避障算法。建立了能耗药耗加权代价函数,为农用无人机的路径规划提供有效的数学计算依据。针对不含障碍物农田区域,提出了一种差分进化算法融合量子退火算法的新算法。该算法利用量子退火算法局部寻优能力强、运行时间短的特点,有效地解决了差分进化算法搜索能力弱、收敛速度慢和易受到参数影响的问题。通过差分进化算法和差分量子退火算法在无障碍物农田中的仿真,对二者的性能进行了验证。仿真结果表明,在本文设定的农田区域环境条件以及相同的参数条件下,采用差分量子退火算法进行路径规划与差分进化算法进行路径规划后相比在农田中的多余覆盖率减少了1.76%,整个过程中的总的能耗与药耗比减少了13%。并通过多次试验与仿真表明了差分量子退火算法的可行性与优越性。针对含多种类型障碍物的复杂农田区域,基于前面的差分量子退火算法的路径规划方法,提出了沿无人机航行方向和喷施幅宽的扫描线子区域划分算法。从无人机的能耗角度出发,提出了按能耗的子区域连接方式,最终实现了无人机在含障碍物区域作业的能耗与药耗最优。仿真结果表明,在本文设定的农田区域环境条件以及相同的参数条件下,采用本算法进行农用无人机路径规划方式相比差分进化算法与传统路径规划方式在农田中的多余覆盖率分别减少了0.12%和1.02%,总的能耗药耗比分别减少了6.21%和11.69%。