无人机航迹规划是无人机（UAV）领域的关键研究问题之一。无人机飞行时所规划的航迹将作为无人机的飞行导航。为了给众多的无人机应用寻找或规划出一条最优或适当的航迹,国内外学者已经进行了大量研究。研究人员通过考虑环境因素、机况因素等,利用不同的方法来寻找无人机航迹的最优路线。一些生物启发式算法,比如粒子群优化算法（PSO）、遗传算法（GA）、蚁群算法（ABC）和人工蜂群算法（ACO）以及基于图的A*算法通常用于航迹规划问题的解决。本文利用Floyd-Warshall算法的概念和一个显示环境信息的栅格地图来寻找具有最小跳数的最优航迹。同时,本文还开发了一个模拟器,用于进行所提算法的仿真验证。通过在几种不同栅格尺寸下进行仿真验证,结果表明,本文所提方法能够在不同栅格尺寸下进行航迹规划,具有良好的环境适应性。传统的静态航迹规划往往只考虑规划出的航迹是否是最短的无碰撞航迹,忽视其他评价因素。本文通过考虑距离,转弯,上升下降的坡度,安全性等多种因素,提出一种基于麻雀算法的航迹规划算法。该算法将麻雀种群分为发现者、加入者和侦察者并分别实施不同的搜索策略。为了提高搜索速度以及搜索的多样性,发现者采用大步长快速搜索最佳航迹节点;加入者采用小步长在发现者周围进行局部航迹搜索。同时,为了帮助加入者充分利用环境信息,在加入者的每个可行栅格的前方分配一只侦察者,负责探测可行栅格周围的禁飞区分布情况。再通过考虑多种因素对可行栅格进行评估,并移动到综合得分最高的可行栅格,使得规划出的航迹更能满足实际飞行要求。仿真结果表明,该算法可在密集复杂的城市环境中,迅速规划出一条符合实际需求的优化航迹。为了解决存在动态障碍物环境下的无人机航迹规划问题,本文提出了一种基于滚动窗口的无人机航迹规划方法。首先在无人机飞行前规划出静态环境下的全局航迹;然后在飞行中对局部航迹进行动态优化。无人机利用传感器实时探测其周围信息,以当前滚动窗口的边界和全局航迹的交点作为子目标点,当探测范围内出现动态障碍物时进行碰撞预测。采用不同的方式进行避碰处理并调用局部航迹规划算法规划出当前窗口内的局部航迹,用来替换原航迹。将麻雀算法作为局部航迹规划算法。考虑到局部航迹规划算法需要被反复调用且有时间限制,为了缩减规划时间,提高规划效率,在进行局部规划时仅保留第四章中的距离因素。同时,为了避免新规划的局部航迹偏离原航迹太多,算法引入了原航迹吸引因子。仿真实验表明,该方法能够成功避开环境中的动、静态障碍物,沿着一条近似最优航迹到达目标点。