多旋翼无人机作为具备较强的自主行为能力的移动机器人而受到人工智能领域研究学者的广泛关注。目前国内外对无人机路径规划的应用环境一般是室外空旷区域,而室内的障碍物的形态复杂、分布方式多变、运动方式更加多样化。因此研究室内无人机的路径规划算法,实现无人机在室内复杂多变环境中进行实时获取位姿信息并沿轨迹期望值飞行,将为无人机室内智能自主导航技术奠定坚实的基础,具有重要的理论研究意义及应用参考价值。本文在传统栅格法的基础上,提出了一种高度降维的三维环境建模方法,减少了传统栅格法的栅格数量,提高了环境建模的精度,降低了规划算法计算的复杂度,满足了规划算法的效率要求,弥补了传统栅格法的不足。在利用栅格法进行环境建模时,相比二维环境,栅格数量将会大幅增加,规划算法效率将会大幅降低,因此该方法在既能在保证规划效率的前提下,又能满足环境精度的要求。本文提出了一种无记忆回归A*算法,以利用A*算法进行全局路径规划为基础进行动态路径搜索,用以解决室内三维空间环境下动态全局路径规划问题。多旋翼无人机在室内环境下进行全局路径规划过程中,虽然通过当前技术手段可以获得大量的全局环境信息,但是在室内三维空间环境下进行路径规划时,室内空间相对较小,避障裕度较小,障碍物不规则且复杂多变,因此需要一种既能保证规划效率又能满足环境精度要求的规划算法。本文采用A*算法作为全局路径规划算法,克服了室内三维空间环境信息的复杂多变性,并通过仿真实验验证了 A*算法在进行全局路径规划时的有效性和实时性。多旋翼无人机在实际的飞行过程中,即要在信息多样化的环境中进行自主飞行控制,还要应对环境信息复杂多变且不确定的情况。这一类问题很难通过利用全局规划方法解决,面对复杂环境应利用实时性较强的路径规划方法。由于无记忆A*算法在动态路径规划方面有良好的性能,但是在环境复杂多变的情况下进行动态规划易于陷入局部最优。本文提出的无记忆回归A*算法克服了动态路径规划过程中规划算法的局部性与盲目性,最后通过仿真研究验证了无记忆回归A*算法进行动态路径规划正确性和高效性。本文设计和搭建了无人机室内动态路径规划飞行试验平台,确定了多旋翼无人机的选型方案及硬件搭建流程,研发了基于Qt的地面站系统,设计并搭建了视觉定位平台、地面站系统和多旋翼无人机之间的通讯交互链路,在室内实验平台下验证了无记忆回归A*算法在多旋翼无人机在室内环境下进行动态路径规划过程的有效性及实时性。