随着现代通信技术、自动控制技术和芯片制造工艺的进步,无人机技术在近几年内发展迅速。相较于载人飞机,无人机凭借其优越的物理性更容易在危险和复杂的任务面前发挥出优势。在科技高速发展的今天,其应用范围不断扩大,任务规划和自主飞行能力也随之受到越来越多科研人员的关注,但目前航迹规划技术仍存在盲目选择路径、算法计算速度缓慢等问题。本文基于二维和三维平面,着重研究无人机的航迹规划问题,从而指出行之有效的航迹规划算法,最后对航迹进行优化处理。本文研究内容如下:首先,本文在考虑无人机的物理性能、飞行环境和GPS定位精准度等条件后应用栅格图法采用数字化处理的方式对二维规划平面进行构建;应用二维三次卷积插值处理的方式对三维规划空间进行处理,使得搭建的空间模型更符合真实环境。其次,以传统蚁群算法（Ant Colony Optimization,ACO）作为本文航迹规划算法的基础,在阐述并分析算法的适用范围和优劣势后。就蚁群算法寻找最优路径耗费时间过长以及容易陷入局部最优的特点,本文提出了两种方法来改进原经典蚁群算法。方法一是在蚁群算法中加入引导因子,该方法主要是通过更新算法中信息素的蒸发速度来加强蚁群搜索活动的目的性,从而提高收敛速度,使算法可以更快的找到可行解。方法二是将群居蜘蛛算法（Social Spider Optimization Algorithm,SSO）优化后与传统的蚁群算法相结合,因为群居蜘蛛优化算法收敛速度较快,而蚁群算法在路径的全局规划方面更有优势。本文从优点互补的角度出发,将两种算法进行融合,使得融合后两种算法的优势得以显现,在处理路径规划的问题上拥有更强的适用性。最后,为验证改进蚁群算法在解决无人机航迹规划问题的可行性,本文运用Matlab软件分别在二维平面和三维空间内对改进的融合蚁群算法进行仿真实验,并对其进行全面分析对比后,对传统蚁群算法与改进蚁群算法相应规划航迹展开全面探究。进一步结合实验数据可以看出,改进蚁群算法可以满足无人机基本机动性能,在二维平面和三维空间中均具有可行性和可靠性。另外,相应的规划航迹性能指标和传统蚁群算法相比效果更加突出。在三维环境条件下,对应的航迹长度、算法运算时长降幅各为23.0%、22.2%。将三次均匀B样条的方法应用于优化复杂三维空间规划的初始轨迹中,使得航迹稳定平滑,拥有更高的精度,实际飞行能力更强。