目录摘要一、引言：算法表象、核心差异与全文创新点二、两类规划空间定义、特性与算法底层对比2.1 离散栅格空间（A*专属）2.2 连续构型空间（RRT全系专属）2.3 空间+算法全域对照表三、A*与RRT全系算法原理、改良方案及优缺点3.1 A*及改良D-Lite A*3.2 RRT、RRT*及KD-Tree改良版四、标准化仿真对照实验（量化数据+结论）五、工业落地应用案例+PX4选型部署方案5.1 四大细分落地案例5.2 全工况选型准则+PX4固定部署参数六、全套模块化可编译C++源码（ROS/PX4适配）6.1 公共结构体与全局参数头文件6.2 D-Lite增量优化A*完整实现6.3 KD-Tree优化RRT*完整实现6.4 PX4分层混合规划调度主函数七、全文总结与后续研究方向摘要在移动机器人、多旋翼无人机、串联机械臂全域自主运动规划领域，A*、RRT/RRT*是工业落地普及率最高的两类底层路径规划算法，二者核心矛盾并非规划快慢、路径长短，而是环境空间建模范式的底层对立：A*依托结构化离散栅格空间做确定性启发式图搜索，具备全局最优性；RRT依托非结构化连续构型空间做概率随机采样，具备维度无关适配性。针对现阶段工程选型误区：低维场景盲目使用RRT造成路径冗余、高维机械臂场景强行使用A*算力爆炸、无人机动静障碍一体化规划割裂三大痛点，本文从空间数学定义、算法迭代机理、完备性定理、算力复杂度四层维度深度拆解二者本质差异；搭建2D栅格、3D无人机空域、6DOF机械臂构型三组对照仿真实验，量化规划时延、路径代价、重复稳定性指标；落地城市低空配送、室内抓取机械臂、山地巡检无人机、园区巡检机器人四大工程应用场景；给出完整可编译C++模块化源码（含A*八邻域优化、KD-Tree加速RRT近邻搜索、贝塞尔路径平滑、PX4混合规划调度、线段碰撞检测全套子函数），最终适配PX4原生飞控搭建「A*全局栅格粗规划+RRT*局部连续重规划」分层架构，兼顾全局最优航线与动态障碍实时避障，为嵌入式机载、工控机器人规划选型提供完整理论+代码落地依据。关键词：路径规划；A*启发搜索；RRT随机采样；RRT*渐进最优；离散栅格空间；连续构型空间；PX4飞控；无人机分层规划；C++运动规划；KD-Tree近邻加速