复杂低空环境下基于动态自适应A*算法的无人机三维路径规划方法
朱飞龙1 钟月月2 朱飞虎2 谢海明1 王艺哲1

1西京学院，陕西西安，710123；

2国网克州供电公司，新疆克孜勒苏柯尔克孜自治州阿图什市，845350；

摘要：针对传统A*算法在处理复杂低空环境无人机路径规划时存在的扩展节点冗余、路径转角频繁及未考虑定位不确定性等问题，提出一种动态自适应A*三维路径规划方法。首先以三维高程图建模城市环境，将所有空间按照高度切片并栅格化；然后在节点扩展规则中引入随障碍物密度而变更的角度约束，同时在代价函数中融合了障碍物密度成本和基于估计位置不确定性（EPU）的导航性能成本；最后沿全局路径生成三维安全飞行走廊。仿真结果表明，所提方法扩展节点数最多减少70.51%，运行时间最多缩短74.35%，典型场景总转角由270°降至90°，可兼顾搜索效率、平滑路径与安全飞行。

关键词：无人机；三维路径规划；A*算法；动态角度约束；安全飞行走廊

参考文献

[1] Hart P E, Nilsson N J, Raphael B. A formal basis for the heuristic determination of minimum cost paths[J]. IEEE Transactions on Systems Science and Cybernetics, 1968, 4(2): 100-107.

[2] 唐嘉宁, 彭志祥. 基于改进A*算法的无人机路径规划研究[J]. 电子测量技术, 2023, 46(8): 99-104.

[3] 邵新峰, 赵鑫宇, 王芯珧. 基于改进A*算法的无人机路径规划研究[J]. 应用数学进展, 2025, 14(7): 13-23.

[4] 刘宇庭, 郭世杰, 唐术锋, 等. 改进A*与ROA-DWA融合的机器人路径规划[J]. 浙江大学学报(工学版), 2024, 58(2): 360-369.

[5] 张志文, 张鹏, 毛虎平, 等. 改进A*算法的机器人路径规划研究[J]. 电光与控制, 2021, 28(4): 21-25.

[6] Liu S, Watterson M, Mohta K, et al. Planning dynamically feasible trajectories for quadrotors using safe flight corridors in 3-D complex environments[J]. IEEE Robotics and Automation Letters, 2017, 2(3): 1688-1695.

[7] Ren Y, Zhu F, Liu W, et al. Bubble planner: planning high-speed smooth quadrotor trajectories using receding corridors[C]//2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Kyoto: IEEE, 2022: 6332-6339.

[8] Wang Z, Zou F, Ma Z, et al. Flight corridor construction method for fixed-wing UAV obstacle avoidance[C]//Proceedings of 2022 International Conference on Autonomous Unmanned Systems (ICAUS 2022), LNEE vol 1010. Singapore: Springer, 2023.

[9] International Civil Aviation Organization. Performance-based navigation (PBN) manual: Doc 9613[S]. 4th ed. Montreal: ICAO, 2013.