2. C空间与构型空间：关节空间 vs 笛卡尔空间、C空间障碍物建模、C空间连通性

做机械臂路径规划，第一个绕不开的概念就是C空间。说白了，C空间就是描述机械臂所有可能姿态的集合。你想想看，一个六轴机械臂，每个关节都有一个角度范围，把这些角度组合起来，就是一个六维空间。嗯，这就是C空间的核心思想。

我个人习惯把C空间理解成「机械臂的姿势宇宙」。在这个宇宙里，每一个点都对应着机械臂的一个唯一姿态。听起来有点抽象？别急，我们一步步拆开看。

2.1 关节空间 vs 笛卡尔空间

先说说这两个空间的区别。关节空间，就是直接用关节角度来描述机械臂的状态。比如一个六轴臂，状态就是 (θ₁, θ₂, θ₃, θ₄, θ₅, θ₆)。笛卡尔空间呢，是用末端执行器的位置和姿态来描述，比如 (x, y, z, roll, pitch, yaw)。

我在项目中遇到过不少新手，上来就在笛卡尔空间里做路径规划，结果发现奇异性问题搞得头大。为什么会这样？因为笛卡尔空间里的直线运动，映射到关节空间可能是一条非常扭曲的曲线，甚至经过关节极限位置。

  核心区别：
  关节空间：维度等于关节数，无奇异性，计算简单
笛卡尔空间：直观易理解，但存在奇异性，计算复杂

我建议做路径规划时，优先在关节空间里做。原因很简单——关节空间是连续的、无奇异的。你想想看，每个关节角度都是独立变化的，不会出现「突然卡住」的情况。而在笛卡尔空间里，末端执行器经过奇异位形时，关节速度会趋近无穷大，这在物理上根本实现不了。

特性	关节空间	笛卡尔空间
维度	等于关节数（如6）	6（位置+姿态）
奇异性	无	存在奇异位形
直观性	不直观	直观
路径规划难度	低	高
避障计算	需转换	直接

不过，笛卡尔空间也有它的优势。比如你要让机械臂末端走一条直线轨迹，那在笛卡尔空间里描述就非常自然。我记得有一次做焊接路径规划，工件焊缝是直线，我直接在笛卡尔空间里插值，然后通过逆运动学转换成关节角度，效果很好。

我的经验：路径规划用关节空间，轨迹插值用笛卡尔空间。两者结合使用，才是工程实践中的正确姿势。

2.2 C空间障碍物建模

C空间障碍物，是路径规划里最核心的概念之一。说白了，就是把真实世界里的障碍物，映射到C空间里。真实空间里的一个点障碍物，在C空间里可能变成一个复杂的曲面。

为什么会这样？因为机械臂是一个多连杆机构，每个连杆都可能与障碍物碰撞。一个障碍物在真实空间里是固定的，但机械臂的不同姿态会导致不同的碰撞情况。把这些「会导致碰撞的姿态」全部收集起来，就构成了C空间障碍物。

我刚开始做这个的时候，觉得C空间障碍物建模特别难。后来发现，其实有几种经典方法：

离散采样法：在C空间里均匀采样，检查每个采样点是否碰撞。简单粗暴，但精度受采样密度影响。
包络体法：用球体、圆柱体等简单几何体包络机械臂和障碍物，计算碰撞检测更快。
距离场法：预先计算障碍物的距离场，在C空间里快速查询。

注意：C空间障碍物的维度等于关节数。六轴臂的C空间障碍物是六维的，无法直接可视化。我一般用二维或三维切片来观察。

我曾经踩过一个坑：用离散采样法时，采样分辨率设得太粗，结果路径规划出来的轨迹直接穿过了障碍物。后来我改用自适应采样，在障碍物附近加密采样点，才解决了这个问题。

这里给出一段简单的碰撞检测伪代码，帮你理解C空间障碍物的构建逻辑：

function isCollision(q, obstacles, robot):
    # q: 关节角度向量
    # obstacles: 障碍物列表
    # robot: 机械臂模型
    
    # 1. 正运动学：计算各连杆位置
    links = forwardKinematics(q, robot)
    
    # 2. 对每个连杆，检查是否与障碍物碰撞
    for link in links:
        for obstacle in obstacles:
            if checkCollision(link, obstacle):
                return True
    
    return False

# 构建C空间障碍物
function buildCSpaceObstacles(robot, obstacles, resolution):
    c_obstacles = []
    for each joint angle combination q:
        if isCollision(q, obstacles, robot):
            c_obstacles.append(q)
    return c_obstacles

实际工程中，我们不会真的去遍历所有角度组合。六轴臂每个关节分100份，那就是100⁶个点，算到天荒地老。一般用随机采样或者启发式搜索来构建近似的C空间障碍物。

2.3 C空间连通性

C空间连通性，决定了路径规划能不能找到解。简单说，如果起点和终点在C空间的同一个连通分量里，那路径就存在；否则，无解。

你想想看，真实空间里看起来很近的两个点，在C空间里可能隔着「一堵墙」。这堵墙就是C空间障碍物。有时候，机械臂需要绕很大一圈才能从起点到终点，就是因为C空间里这两个点不在同一个连通区域。

  连通性判断：
  如果起点和终点在同一个连通分量 → 路径存在
如果不在同一个连通分量 → 路径不存在，需要重新规划或调整目标

我记得有一次做码垛任务，机械臂要从A点抓取箱子放到B点。路径规划算法一直报错，说找不到路径。我检查了半天，发现是因为C空间里A点和B点被一个障碍物隔开了。后来我调整了机械臂的安装位置，才解决了这个问题。

C空间连通性分析，常用的方法有：

PRM（概率路图法）：在C空间随机采样，构建连通图，然后查询起点终点是否连通。
RRT（快速随机搜索树）：从起点开始生长树，看能不能长到终点。
连通分量标记：对离散化的C空间做连通分量分析。

下面这张图展示了C空间、C空间障碍物和连通性的关系：

从这张图可以看出，C空间障碍物把自由空间分割成了多个连通分量。起点和终点如果在同一个分量里，路径规划就能找到解；如果不在，那就需要重新考虑任务规划了。

工程建议：在做路径规划之前，先做一次连通性检查。如果起点和终点不在同一个连通分量，直接报错，避免浪费计算资源。我一般在系统初始化阶段就构建好C空间连通图，后续查询就是O(1)的复杂度。

嗯，C空间的概念就讲到这里。记住一句话：路径规划的本质，就是在C空间的自由区域里，找到一条连接起点和终点的连续路径。理解了C空间，你就掌握了路径规划的钥匙。

📚 课程目录

2. C空间与构型空间：关节空间 vs 笛卡尔空间、C空间障碍物建模、C空间连通性

2.1 关节空间 vs 笛卡尔空间

2.2 C空间障碍物建模

2.3 C空间连通性