四旋翼飞行器由于具有机械结构简单、制造成本低和机动性强等显著优势,以及容易实现空中悬停、垂直起降和定点巡航飞行的特点,已经被广泛应用于抗震救灾、管线巡航和农业勘察等领域。运动规划是机器人技术的重要功能之一,其中四旋翼飞行器在执行任务时需要规划动态可行的无碰撞轨迹。针对分层解耦的运动规划导致生成的轨迹被限制在路径的同伦类和快速搜索随机树算法的采样效率较低等问题,提出了基于矢量场的动力学运动规划,主要在如下四个方面开展了工作。首先,在四旋翼飞行器的运动机理的基础上,运用牛顿-欧拉方程推导了基于欧拉角的四旋翼飞行器的运动学和动力学模型。根据近悬停策略线性化四旋翼系统,将内外环嵌套的PID控制律应用于四旋翼飞行器的小角度飞行控制,并验证了所建立的四旋翼系统模型和控制模型在复杂轨迹追踪的有效性,从而为运动规划的研究创造了实验基础。其次,在几种常用的路径规划算法基础上,根据四旋翼飞行器的规划空间维数较高的特点,选择基于采样的最优快速探索随机树(Optimal Randomly Exploring Random Tree,RRT*)作为路径规划器。针对二次规划的多项式轨迹优化存在计算多分段或高阶多项式时数值不稳定的问题,提出了无约束的二次规划的多项式轨迹优化方法,该方法将端点导数代替多项式系数作为决策变量,从而将等式约束的二次规划(Quadratic Programming,QP)问题转化为无约束QP问题。实验结果展示了该方法对任意航路点和路径提取的航路点的轨迹优化效果,分析了航路点数量和几何路径对轨迹的影响,揭示了分层运动规划将轨迹限制在路径的同伦类的固有缺陷。然后,在动力学运动规划问题的基本概念和基于RRT*的动力学运动规划的算法框架基础上,针对RRT*的采样效率较低的问题,提出了基于矢量场构造圆锥体约束采样状态的方法,将被采样的状态限制为仅在已知状态的一组可达性空间,使得约束后采样状态与局部运动趋势一致。根据四旋翼飞行器的动态方程运用最优控制原理生成运动基元,解决了动力学运动规划的两点边值问题。运动基元产生的状态轨迹受系统动力和环境的约束,因此对状态轨迹的输入可行性和碰撞检测进行了分析。最后,结合四旋翼飞行器的运动控制和动力学运动规划算法,进行了四旋翼飞行器的导航实验,验证了动力学运动规划算法在复杂环境下规划的状态轨迹的动态可行性。实验结果表明,本文提出的动力学运动规划算法与现有的规划技术相比,在相同的迭代次数下以更短的运行时间探索了更多的状态节点,并且生成的轨迹具有更小的到达时间和更低的控制代价。