4、C空间与障碍物建模：构型空间（C-Space）概念、障碍物在C空间中的表示、自由空间与障碍空间
各位同学，欢迎来到第四章。
前面几章我们聊了轨迹规划的基本概念和数学基础。说实话，那些内容比较抽象。但这一章不一样，这一章讲的是「空间」——机器人到底在什么「空间」里运动？
你可能觉得这问题很简单：机器人当然在物理世界里运动啊。但做轨迹规划时，我们很少直接在物理空间里算。为什么？因为机器人的形状、关节限制、障碍物的形状……这些因素搅在一起，直接算会非常复杂。
所以，我们需要一个更聪明的办法——构型空间，也就是 C-Space。
4.1 从物理空间到构型空间
先问一个问题：一个六轴机械臂，它的「位置」怎么描述？
在物理世界里，我们可能说「末端在 (x, y, z) 点」。但机械臂的每个关节都有一个角度值，六个关节角度组合起来，才真正决定了机械臂的完整状态。这个状态，就是构型。
所有可能的构型组成的空间，就是构型空间（Configuration Space），简称 C-Space。
核心理解：
- 物理空间（Work Space）：机器人实际存在的三维世界。我们看得见、摸得着。
- 构型空间（C-Space）：用机器人的所有自由度参数构成的一个抽象空间。每个点代表机器人的一个完整状态。
举个例子。一个在平面上移动的小车，它的位置可以用 (x, y, θ) 三个参数描述。那么它的 C-Space 就是一个三维空间。你想想看，物理世界是二维的，但 C-Space 是三维的——因为多了朝向这个维度。
对于六轴机械臂，C-Space 是六维的。我们没法直接画出来，但数学上可以处理。
我个人习惯：刚开始接触 C-Space 时，别被高维吓到。先从 2D 平面机器人的 C-Space 入手，理解清楚概念，再推广到高维。我在项目里带新人时，都是让他们先画一个 2D 圆盘机器人的 C-Space 图，画明白了再碰机械臂。
4.2 障碍物在 C-Space 中的表示
好，现在有了 C-Space 的概念。下一个问题是：物理世界里的障碍物，在 C-Space 里长什么样？
这其实是整个轨迹规划里最核心的转化之一。说白了，就是把「机器人不能碰障碍物」这个约束，从物理空间映射到 C-Space 里。
4.2.1 映射的基本思路
给定一个障碍物 O（在物理空间里），C-Space 中的障碍物 C-O 定义为：所有会导致机器人与 O 发生碰撞的构型的集合。
用数学语言说：
C-O = { q ∈ C-Space | 机器人在构型 q 时与障碍物 O 发生碰撞 }这个映射过程，我们称之为「障碍物膨胀」或「C-Space 障碍物构建」。
4.2.2 一个简单的例子：圆形机器人与多边形障碍物
假设机器人在平面上是一个半径为 r 的圆盘。障碍物是一个多边形。
在 C-Space 里，障碍物会「膨胀」一圈——膨胀的半径就是机器人的半径 r。为什么？因为只要机器人的中心点距离障碍物边界小于 r，就会发生碰撞。
所以，C-Space 中的障碍物就是：将原始障碍物的每条边向外平移 r，然后取这些平移后的边围成的区域。
我曾经踩过的一个坑：做项目时，我直接拿原始障碍物的多边形去做碰撞检测，结果规划出来的轨迹，机器人明明没碰到障碍物，但实际运行时却撞了。查了半天才发现，我忘了把机器人自身的半径算进去。嗯，这个错误我只犯过一次。
4.2.3 非圆形机器人的情况
如果机器人不是圆形，事情就复杂了。比如一个矩形机器人，它的 C-Space 障碍物不再是简单的膨胀，而是需要做 Minkowski 和运算。
Minkowski 和的定义很简单：
A ⊕ B = { a + b | a ∈ A, b ∈ B }对于障碍物 O 和机器人 R（以参考点表示），C-Space 障碍物为：
C-O = O ⊕ (-R)其中 -R 是机器人绕参考点旋转 180 度后的形状。
| 机器人形状 | C-Space 障碍物构建方法 | 计算复杂度 |
|---|---|---|
| 圆形（半径 r） | 障碍物向外膨胀 r | 低 |
| 凸多边形 | Minkowski 和运算 | 中 |
| 凹多边形 | 先分解为凸多边形，再分别做 Minkowski 和 | 高 |
| 任意形状 | 离散采样 + 碰撞检测 | 很高 |
4.3 自由空间与障碍空间
有了 C-Space 障碍物，我们就可以把整个 C-Space 分成两部分：
- 障碍空间（C-Obs）：所有会导致碰撞的构型的集合。
- 自由空间（C-Free）：所有不会导致碰撞的构型的集合。即 C-Free = C-Space \ C-Obs。
轨迹规划的任务，就是在 C-Free 中找一条从起始构型到目标构型的连续路径。
记住这个核心逻辑：
物理空间中的障碍物 → 映射到 C-Space 中的障碍空间 → 剩下的就是自由空间 → 在自由空间里规划路径。
这个流程，是所有基于 C-Space 的轨迹规划方法的基础。
3.3.1 自由空间的特性
C-Free 不一定是连通的。它可能被 C-Obs 分割成多个连通分量。如果起始点和目标点不在同一个连通分量里，那就不存在可行路径。
这也是为什么有些时候，规划算法会告诉你「无解」——不是算法不行，而是物理上就不可能。
3.3.2 显式 vs 隐式表示
在实际工程中，我们很少显式地构建整个 C-Space 地图。为什么？因为维度太高，存不下。
对于 2D 机器人，C-Space 是 2D 或 3D 的，我们可以用栅格地图显式表示。但对于六轴机械臂，C-Space 是 6D 的，显式表示需要天文数字的存储量。
所以，实际做法是：
- 显式表示：适用于低维 C-Space（≤ 3D）。直接构建栅格或 Voronoi 图。
- 隐式表示：适用于高维 C-Space。不预先构建，而是在规划过程中通过碰撞检测来判断一个构型是否在 C-Free 中。
我建议：做项目时，先评估你的机器人自由度。如果是 2D 移动机器人，大胆用显式 C-Space 栅格。如果是机械臂，老老实实用隐式表示 + 碰撞检测。别试图把 6D C-Space 存下来，你会把内存撑爆的。
4.4 本章知识体系总览
下面这张图，把本章的核心逻辑串起来了。我建议你多看几遍，把每个节点的关系理清楚。
4.5 工程中的实用技巧
最后，分享几个我在实际项目中积累的经验。
4.5.1 碰撞检测的加速
隐式表示依赖碰撞检测。如果每次判断都要做精确的几何计算，速度会很慢。
常用的加速方法：
- 包围盒层级（BVH）：先用粗粒度的包围盒做快速排除，再对可能碰撞的做精细检测。
- 距离场：预计算障碍物的距离场，碰撞检测退化为查表 + 插值。
- GPU 并行：对于大量构型的批量碰撞检测，用 GPU 可以大幅加速。
4.5.2 C-Space 的维度灾难
随着自由度增加，C-Space 的体积呈指数增长。这就是「维度灾难」。
对于高维 C-Space，显式表示基本不可行。隐式表示 + 采样规划（如 RRT、PRM）是主流方案。
注意：不要试图在 6D C-Space 上用栅格做 BFS 或 Dijkstra。栅格数量会多到离谱。我见过有人这么干，结果程序跑了三天还没初始化完。
4.5.3 特殊约束的处理
有些机器人有额外的约束，比如：
- 关节限位：某些关节不能转到特定角度。这相当于在 C-Space 中切掉一部分区域。
- 自碰撞：机器人的不同部分不能互相穿透。这也会在 C-Space 中产生障碍区域。
- 动力学约束：机器人不能瞬间改变速度或方向。这限制了 C-Free 中路径的可行性。
处理这些约束时，我通常的做法是：先把几何碰撞的 C-Obs 建好，再把约束条件作为额外的「虚拟障碍物」加进去。这样，规划算法只需要处理一个统一的 C-Obs 集合，逻辑更清晰。
好了，这一章的内容就到这里。C-Space 是轨迹规划的基石，理解透彻了，后面学各种规划算法会轻松很多。