2. 曲率约束基础：曲率的几何定义、物理意义及其在路径规划中的角色

各位同学，咱们今天聊聊曲率约束。说实话，这玩意儿在路径规划里是个绕不开的坎儿。我刚开始做自动驾驶那会儿，总觉得路径规划就是找条路走，后来发现——嗯，没那么简单。

你想想看，一辆车在高速上跑，突然来个急转弯，乘客会怎么想？肯定骂娘。更别提如果曲率太大，车可能直接侧翻。所以，曲率约束不是锦上添花，而是安全底线。

2.1 曲率的几何定义：从圆说起

曲率这个概念，说白了就是描述曲线弯曲程度的量。怎么定义呢？

想象一条曲线上的某一点。过这一点，我们可以画一个最贴近曲线的圆——这个圆叫密切圆。密切圆的半径越小，说明曲线在这个点弯得越厉害；半径越大，说明越平缓。

曲率 κ 的数学定义就是密切圆半径 R 的倒数：

κ = 1 / R

单位是 1/m。举个例子，半径 10 米的圆，曲率就是 0.1。直线呢？直线可以看作半径无穷大的圆，曲率就是 0。

我个人习惯用这个公式来理解：曲率越大，转弯越急。就这么简单。

2.2 物理意义：车为什么不能无限转弯？

好，几何定义搞清楚了。那物理上呢？

我遇到过不少刚入行的朋友，他们觉得路径规划就是数学游戏。其实不是。车辆有物理极限。

一辆车转弯时，靠的是轮胎与地面的摩擦力。曲率越大，需要的向心力越大。向心力公式还记得吧？

F = m * v² / R = m * v² * κ

其中 m 是质量，v 是速度。你看，曲率 κ 和速度 v 的平方是乘在一起的。这意味着：

• 速度越快，能承受的曲率越小
• 曲率越大，必须降速

我曾经在一个项目中，路径规划器生成了一个曲率 0.2 的弯道，车速 60 km/h。结果仿真一跑，侧向加速度直接超了 0.5g。乘客肯定受不了。后来我加了个曲率-速度耦合约束，才把问题解决。

κ_max(v) = a_lat_max / v²

2.3 路径规划中的角色：曲率约束到底管什么？

曲率约束在路径规划里，主要干三件事：

1. 保证可执行性——规划出的路径，车辆必须能实际开出来
2. 保证舒适性——乘客不晕车、不难受
3. 保证安全性——不侧翻、不失控

说白了，没有曲率约束的路径，就是一张废纸。

我记得有一次做园区物流小车，规划器输出了一条路径，曲率在某个点突然从 0.05 跳变到 0.15。小车一执行，方向盘猛地一打，差点把货甩出去。这就是曲率不连续的问题。

|dκ/ds| ≤ κ_dot_max

2.4 曲率约束的数学表达

在路径规划中，我们通常把路径参数化为 x(s) 和 y(s)，其中 s 是弧长。曲率的计算公式是：

κ(s) = |x'(s) y''(s) - y'(s) x''(s)| / (x'(s)² + y'(s)²)^(3/2)

看着复杂？其实不用怕。实际工程中，我们很少直接算这个。更常用的方法是：

• 用离散点近似曲率
• 或者用参数化曲线（如B样条、贝塞尔曲线）直接控制曲率

我个人偏好用B样条。为什么呢？因为B样条的曲率可以通过控制点来调节，而且天然具有连续性。我在做高速路径规划时，B样条帮了大忙。

2.5 知识体系总览

下面这张图，是我自己总结的曲率约束知识框架。你看一眼，心里就有数了。

2.6 一个简单的曲率计算示例

光说不练假把式。咱们写个简单的 Python 代码，算算离散路径点的曲率。

import numpy as np

def compute_curvature(x, y):
    """
    计算离散路径点的曲率
    x, y: 路径点坐标数组
    返回: 每个点的曲率值
    """
    dx = np.gradient(x)
    dy = np.gradient(y)
    ddx = np.gradient(dx)
    ddy = np.gradient(dy)
    
    # 曲率公式
    numerator = np.abs(dx * ddy - dy * ddx)
    denominator = (dx**2 + dy**2)**1.5
    
    # 避免除零
    curvature = np.divide(numerator, denominator, 
                          out=np.zeros_like(numerator), 
                          where=denominator > 1e-6)
    return curvature

# 示例：一个半圆路径
theta = np.linspace(0, np.pi, 50)
x = 10 * np.cos(theta)
y = 10 * np.sin(theta)

kappa = compute_curvature(x, y)
print(f"平均曲率: {np.mean(kappa):.4f}")  # 应该接近 0.1

这段代码我用了很多年。注意 np.gradient 用的是中心差分，精度还行。如果你需要更高精度，可以用样条插值后再求导。

2.7 避坑指南

最后，分享几个我踩过的坑：

• 曲率不连续——路径规划器输出了一段直线接圆弧，曲率从 0 跳到 0.1。车辆执行时方向盘猛打，乘客直接晕车。解决办法：用回旋曲线（Clothoid）过渡。
• 忽略曲率变化率——只限制曲率大小，没限制变化率。结果路径曲率变化太快，转向系统跟不上。后来我加了 |dκ/ds| 约束，问题解决。
• 曲率与速度解耦——单独规划路径，再单独规划速度。结果路径曲率大的地方速度没降下来，侧向加速度超标。现在我做联合优化，路径和速度一起考虑。

嗯，曲率约束的基础就这些。说白了，它就是连接几何、物理和工程的一座桥。理解了它，后面的轨迹平滑就好办了。

可可精品资料库