无人驾驶飞行器Unmanned aerial vehicles(UAVs)被越来越广泛的运用在军事和民用环境中执行关键任务,因为它们可以在危险条件或极端天气下执行任务。运动的飞行器和车辆等都具有高速的动力学特性,为了满足规划的低复杂度需求,在执行任务时所需要进行的最重要工作就是实现具有可执行性和低计算复杂度的路径规划。近年来,路径规划领域提出了许多完备和概率完备的路径规划方法。其中部分方法将路径规划环境转换为某种特定形式的节点图,然后用基于启发的算法来进行启发式路径规划。然而,由于路径规划问题是一个Non-deterministic Polynomial(NP)完全问题,这些方法的执行效率往往较低,无法用于在线的路径规划任务。为了有效解决基于启发式算法的路径规划方法效率低下的问题,本文提出了obstacle avoidance beetle antennae search(OABAS)这一高效的动态路径规划以及避障方法。本文为二维空间中的模型设计了求解与寻优方案,该方法在二维环境中将路径点和环境中的障碍物建立模型,然后将导航点作为优化的对象。对于无人机这样一个非线性时变系统,系统的输入还包括最大转弯角、最小安全间隔等限制条件。为了使算法应用在三维环境中,本文利用OABAS算法的高效性,基于最小威胁曲面和观测窗口法设计了预规划方案,使得无人机在三维空间中具有动态路径规划以及障碍物躲避的能力。在相同的模型设计方案下,本文使用粒子群算法、蜂群算法以及天牛须搜索算法进行验证测试。仿真结果表明,该方案能够快速规划出可用路径并进行进一步的寻优过程,且本文提出的方法不仅有将近99%的概率完备性,同时具有渐进最优的规划结果。同时,对无人机路径规划系统的控制输入添加噪声,进行鲁棒性测试,仿真结果显示该路径规划系统具有较强的鲁棒性。基于三维环境中的仿真结果基准,该方法能够在动态环境当中完成障碍物躲避任务,且显著提高了规划效率。