针对传统A*算法在三维复杂环境中搜索效率低、路径平滑度差以及局部避障能力有限的问题，提出一种A*-DWA分层融合算法。该算法基于26邻域节点搜索策略对A*算法进行三维空间拓展，在代价评估函数中引入动态调节项实现权重自适应调整，并结合Douglas-Peucker算法和三次B样条曲线实现路径平滑；融合三维扩展的DWA算法以弥补A*算法局部避障能力的不足，通过运动学解耦构建三维动态窗口模型，并引入余弦相似度改进评价函数，增强实时避障性能；设计动态反馈机制实现全局路径的自适应修正，形成“A*全局规划-DWA局部避障-动态反馈”的闭环优化体系。仿真结果表明，在三维静/动态环境中，A*-DWA分层融合算法的路径长度、规划时间、路径平滑度均显著优于其他对比算法，多场景下避障成功率达90%以上，验证了A*-DWA分层融合算法的有效性。
