轨迹规划是多年来一个非常活跃的研究领域,这些算法已经不断发展并变得更加完善,但是还是不能在飞行环境日益复杂多样化的今天满足用户对于的速度和轨迹质量不降反升的要求。在动态高密度障碍的三维未知环境中,目前的算法由于在二维或者二点五维平面解决三维问题,计算量会呈指数增加从而影响到算法的整体运行速度,并且由于忽略了无人机的动力学约束和三维空间垂直方向上的自由度,可能会出现三维空间中存在路径但是在二维空间中无法得到有效结果的情况从而造成全局总路径过长,增大无人机的飞行成本。因此在高密度动态三维环境中如何快速得到计算量小,无碰撞,平滑度高的最优或者接近最优的轨迹这个问题尚未得到最终解决,仍有巨大的改进潜力。本文提出了一种控制四旋翼无人机运动的实时轨迹规划方法,该算法可以在高密度障碍的动态环境中为无人机规划出一条低成本的可行三维轨迹,并且轨迹能够适应路径约束、无人机动力学约束和性能约束。该算法在3DVFH+算法的基础上进行了扩展,加入在二维空间中较常使用的动态窗口（DWA）算法。DWA作为经典的轨迹规划算法,使用评价函数选择最佳运动命令,速度快并且对于动态障碍躲避非常有效。本文为了提高评价函数的评价能力和适应无人机的动力学特性,将二维推广到三维并设计了一种新的加入自适应权重的评价函数。结合3DVFH+算法中使用了由深度摄像机产生的点云用于从无人机的周围环境中提取信息,然后定义3D八叉模型对点云进行压缩处理,避免了建立全局地图带来的计算量骤升的情况,算法实时性很好,且接近全局最优。比较结果表明,该混合方法在计算效率、平滑性和全局路径长度等方面都优于传统的3DVFH+算法和动态窗口算法。为了验证所得到的结果,除了在MATLAB中同进行对比仿验证真,同时使用Gazebo在虚拟生成环境中进行了模拟真实环境测试。仿真和实验结果都证明了该算法高效快速实现规划无人机在动态不确定环境下快速生成一个安全的,平滑的,计算量小以及符合无人机动力学的轨迹,成功达到期望的目标位置。