3D城市环境无人机运动规划 Python 实现｜A*搜索+路径修剪+FCND仿真｜免费项目

本项目实现了在城市环境中规划无人机飞行路径的完整系统，使用 A* 搜索算法和路径优化技术。 **主要功能** - 2.5D 障碍物地图加载（从 CSV 文件） - 网格或图表示的环境离散化 - A* 搜索算法路径规划 - 共线性测试路径修剪 - 全局坐标到局部坐标转换 - FCND 模拟器集成 **核心算法** *A* 搜索* - 结合 Dijkstra 算法和广度优先搜索优势，使用启发式函数引导搜索，支持对角线移动（成本 √2），保证找到最优路径 *路径修剪* - 共线性测试移除冗余航点，减少中间停靠点，优化飞行平滑度，降低控制复杂度 **运行环境** - Python 3.x - 依赖：numpy, matplotlib, msgpack, udacidrone - 可选：FCND 模拟器 - 系统：Windows, Linux, macOS **核心文件** - motion_planning.py - 运动规划主程序（状态机和回调） - planning_utils.py - 规划工具函数（A* 算法、路径修剪） - MotionPlanning.pdf - 项目文档（5.5MB） - writeup_motion_planning.md - 实现说明 - LICENSE - MIT 许可证 **工作流程** 1. 读取 colliders.csv 障碍物地图 2. 设置全局起始位置（纬度/经度） 3. 将当前位置转换为局部坐标（NED） 4. 从障碍物地图生成网格 5. 运行 A* 算法计算路径 6. 使用路径修剪优化航点 7. 转换为航点列表并发送到模拟器 **适用场景** - 自主无人机导航研究 - 城市环境路径规划 - 飞行器运动规划学习 - FCND 课程项目参考 - 路径优化算法研究 **技术特点** - 完整的状态机实现（手动、武装、起飞、规划、航点、降落） - 回调函数处理位置和速度更新 - 对角线移动支持（Manhattan 距离） - 路径修剪减少航点数量 - 可配置的安全距离和目标高度 **许可证** MIT License - 允许自由使用、修改和分发，需保留原作者版权声明。