一、路径表示方法：离散点、多项式曲线、贝塞尔曲线、样条曲线

做机器人轨迹规划这些年，我最大的感触就是——路径怎么表示，直接决定了后面所有算法的复杂度。你想想看，如果连路径都描述不清楚，那平滑、避障、速度规划这些事根本无从谈起。

今天咱们就来聊聊路径的几种主流表示方法。我个人习惯把它们分成四类：离散点、多项式曲线、贝塞尔曲线、样条曲线。每种方法都有自己的脾气，选对了事半功倍，选错了……嗯，我踩过的坑后面会讲。

说白了，就是把路径存成一系列的点坐标。比如：

waypoints = [
    (0.0, 0.0),
    (1.0, 2.0),
    (3.0, 3.0),
    (5.0, 1.0)
]

这种方法最简单，我在早期做AGV小车项目时就用过。但问题也很明显——点与点之间怎么走？是直线插值还是曲线插值？如果直接连直线，那机器人走到拐角处就会突然转向，产生冲击。

⚠ 我曾经踩过的坑： 有一次做仓储机器人，直接用离散点做路径跟踪，结果机器人每到拐点就剧烈抖动，差点把货架撞翻。后来才发现，离散点本身不包含任何连续性信息，必须配合插值算法使用。

离散点的优点：

缺点也很明显：

既然离散点不够用，那我们就用连续函数来描述路径。最常用的就是多项式曲线。

比如一个三次多项式：

y = a₀ + a₁·x + a₂·x² + a₃·x³

为什么是三次？因为三次多项式可以保证位置和速度都连续（C¹连续）。如果你需要加速度也连续，那就用五次多项式。

我记得有一次做机械臂轨迹规划，要求末端执行器走一条S形曲线。用三次多项式拟合四个关键点，效果还不错。但问题来了——多项式是全局的，改一个点，整条曲线都会变。

  💡 我的经验： 多项式曲线适合点少、路径简单的场景。如果路径点超过5个，我建议你别用多项式，否则曲线会像蛇一样扭来扭去，这就是所谓的「龙格现象」。

贝塞尔曲线这玩意儿，最早是汽车设计师用来画车身的。它的核心思想是：用几个控制点来「拉」出一条曲线。

公式长这样（三次贝塞尔）：

B(t) = (1-t)³·P₀ + 3(1-t)²·t·P₁ + 3(1-t)·t²·P₂ + t³·P₃

其中t从0到1，P₀到P₃是四个控制点。曲线会经过P₀和P₃，但不经过P₁和P₂——这两个点只是用来「吸引」曲线。

我个人特别喜欢贝塞尔曲线的一点是：它的形状非常直观。你拖动控制点，曲线就会跟着变化，有点像拉橡皮筋。做交互式路径编辑时特别好用。

🎯 实用技巧： 如果你想让机器人经过某些特定点，可以把这些点设为P₀和P₃，然后用P₁和P₂来调节进出方向。我在做扫地机器人路径规划时，就用这种方法让机器人贴着墙边转弯。

贝塞尔曲线的优缺点：

样条曲线，说白了就是「分段多项式，整体连续」。它把路径分成很多小段，每段用一个低阶多项式（通常是三次），然后在连接处保证连续。

最常见的B样条曲线，公式如下：

C(t) = Σᵢ Nᵢₖ(t) · Pᵢ

其中Nᵢₖ(t)是基函数，Pᵢ是控制点。看不懂没关系，你只需要知道：B样条比贝塞尔更灵活，因为它支持局部修改。

  🔧 为什么样条是工业标准？ 因为样条曲线同时满足三个条件：

局部性：改一个控制点，只影响附近几段曲线

连续性：可以做到C²甚至更高

计算效率：每段都是低阶多项式，算得快

我在做自动驾驶路径规划时，样条曲线几乎是标配。尤其是NURBS（非均匀有理B样条），可以精确表示圆弧和直线，这对车辆轨迹规划太重要了。

几种样条的对比：

类型	局部性	连续性	能否表示圆弧
三次样条	❌ 全局	C²	近似
B样条	✅ 局部	C²	近似
NURBS	✅ 局部	C²	精确

说了这么多，到底该用哪种？我个人的选择原则是这样的：

⚠ 再提醒一句： 别一上来就用最复杂的。我见过太多人把NURBS搞得天花乱坠，结果实际跑起来还不如一段三次多项式。选方法之前，先搞清楚你的需求——连续性要求多高？计算资源够不够？要不要实时修改？

下面这张图总结了四种方法的核心关系，你可以对照着看：

好了，这四种方法就是路径表示的基础。我个人建议你从离散点和三次样条入手，这两个最实用。等遇到具体问题了，再回头看看贝塞尔和NURBS——它们在某些场景下确实有奇效。

可可精品资料库