无人机有高机动性、小尺寸和易于控制的独特优势,在各领域扮演着愈加重要的角色,无人机的路径规划问题已经成为当下研究的重点。然而在复杂且感知范围有限的三维环境下进行实时规划时,需要不断根据环境改变而生成新的安全可行路径,因此算法效率至关重要。考虑到最优路径搜索会消耗很长时间,本文提出了一种基于动态启发的混合A*算法解决无人机实时避障三维路径规划问题。首先对无人机在实时规划中的环境数据管理方法以及约束条件进行分析研究,针对无人机经常需要查询自身位置到最近障碍物之间的距离以避免碰撞的特点建立了欧几里得符号距离场。建立了无人机在飞行过程中的约束模型。考虑到在有限的规划时间和计算资源限制的情况下,混合A*算法存在规划速度较慢的问题,设计并实现了一种动态启发的混合A*算法。该算法以舍弃最优性为代价,从提高算法的搜索效率出发,通过动态启发实现有界次优搜索来解决规划速度慢的问题。设计实时规划策略,在规划过程中只计算已知环境范围内的轨迹,若超出这个范围就停止路径搜索转而开始进行轨迹优化,达到提高搜索效率的目的。通过本文设计的动态启发式,能够实现规划路径代价与最优路径代价之间的误差被限制在可控范围之内的同时,提高算法的规划效率,以适应三维环境下进行实时规划的要求。实验验证了该算法的可行性与优越性。在动态启发混合A*算法规划出初始路径之后,针对初始路径不能满足无人机的一种或多种约束条件的问题,本文采用B样条曲线对初始路径拟合得到路径的控制点,建立了基于B样条表示的轨迹约束模型,通过BFGS（Broy-den Fletcher Goldforb Shanno）算法对初始路径进行轨迹局部优化。实验对比了优化前后轨迹,结果表明优化后的路径比优化前更平滑,验证了优化算法的有效性。最后进行了实时避障三维路径规划仿真实验,通过模拟三种不同的地图场景,展示无人机从出发点到目标点整个的飞行过程以及实时规划过程。验证了本文提出的动态启发混合A*算法与轨迹优化算法的可行性。