这篇文档属于类型a，即报告了一项单一原创研究的学术论文。以下是基于文档内容的详细学术报告：
本研究的主要作者为高九州和张焯，他们来自吉林建筑大学电气与计算机学院。该研究发表于《计算机测量与控制》期刊，具体发表日期为2022年。
本研究的主要科学领域是无人机路径规划，特别是在三维空间中的避障路径规划。无人机在复杂环境中飞行时，传统A*算法存在搜索节点多、搜索区域大、搜索时间长、搜索效率低等问题，且生成的航线拐角多、冗余航点多，未能充分考虑无人机自身体积与尺寸，可能导致飞行过程中与障碍物碰撞的风险。因此，本研究旨在设计一种改进的A*算法，以提高无人机在三维空间中的避障路径规划的安全性和效率。
本研究包括以下几个主要步骤：
改进子节点扩展方法
首先，研究团队提出了一种新的子节点扩展方法，考虑了无人机本身体积与尺寸，确保生成的航线与障碍物之间保持一定的安全距离，从而避免碰撞事故。具体而言，如果当前节点的某个方向上存在障碍物，则不生成该方向的对角线子节点，从而避免无人机与障碍物边界发生碰撞。
优化评价函数
其次，研究团队对A*算法的评价函数进行了优化，增加了当前节点的父节点到目标点的距离作为评价指标，减少了无用的往复搜索次数，缩小了搜索区域，提高了搜索效率。
航线简化处理
然后，研究团队引入了弗洛伊德（Floyd）思想，对生成的航线进行简化处理，消除冗余航路点，减少航线转角数量，使航线更加平滑，便于无人机平稳飞行。
仿真与测试
最后，研究团队通过数字仿真和实际飞行测试验证了改进算法的有效性和合理性。仿真分析中，研究团队使用MATLAB搭建了数字仿真模型，设置了飞行起点、终点和障碍物范围，对比了常规A*算法和改进算法的搜索节点数、闭列表节点数和航线长度。实际飞行测试中，研究团队在开源飞控Pixhawk2的基础上，将改进算法编译并烧录至飞控中，使用自主研发的小型四旋翼飞行器在开阔场地进行了飞行测试，验证了算法的实际应用效果。
改进子节点扩展方法的结果
改进后的子节点扩展方法确保了无人机与障碍物之间的安全距离，避免了碰撞风险。仿真结果显示，改进后的航线虽然略微增加了总长度，但显著提高了航线的安全性。
优化评价函数的结果
优化后的评价函数减少了搜索节点数和闭列表节点数，搜索效率提高了约50%。仿真数据显示，改进后的算法在搜索时间和计算量上均有显著优化。
航线简化处理的结果
通过Floyd算法对航线进行简化处理后，冗余航路点和转角数量显著减少，航线更加平滑，便于无人机平稳飞行。仿真和实际飞行测试均验证了这一点。
仿真与测试的结果
仿真分析显示，改进后的算法在搜索节点数、闭列表节点数和航线长度上均优于常规A*算法。实际飞行测试中，无人机能够平稳、快速地完成避障飞行，航线与障碍物的最小距离大于设定的安全距离，验证了算法的实际应用效果。
本研究提出了一种改进的A*算法，能够有效提高无人机在三维空间中的避障路径规划的安全性和效率。改进算法通过优化子节点扩展方法、评价函数和航线简化处理，显著减少了搜索节点数、闭列表节点数和航线长度，生成的航线更加平滑，便于无人机平稳飞行。仿真和实际飞行测试验证了改进算法的有效性和合理性，为无人机自主避障飞行的应用推广奠定了坚实的基础。
改进子节点扩展方法
本研究首次提出了一种基于无人机体积与尺寸的子节点扩展方法，确保了航线与障碍物之间的安全距离，避免了碰撞风险。
优化评价函数
本研究对A*算法的评价函数进行了优化，减少了无用的往复搜索次数，提高了搜索效率。
航线简化处理
本研究引入了Floyd思想，对生成的航线进行简化处理，消除了冗余航路点，减少了航线转角数量，使航线更加平滑。
仿真与测试验证
本研究通过数字仿真和实际飞行测试验证了改进算法的有效性和合理性，为算法的实际应用提供了有力支持。
本研究还详细讨论了常规A*算法的不足之处，并提出了相应的改进措施，为后续研究提供了参考。此外，研究团队还开发了基于MATLAB的仿真模型和基于Pixhawk2的飞行测试平台，为相关领域的研究提供了技术支持和实验平台。