4、路径表示方法：路径点序列、多项式曲线、贝塞尔曲线、样条曲线

路径怎么表示？这是个看似简单、实则坑不少的问题。

我刚开始做机器人导航时，觉得路径嘛，不就是一堆点连起来？后来发现，点连起来的方式不同，机器人走出来的效果天差地别。有的路径让机器人抖得像帕金森，有的路径却丝滑得像德芙巧克力。

今天咱们就把这几种路径表示方法掰开揉碎，讲清楚。

4.1 路径点序列：最朴素的方法

路径点序列，说白了就是一堆离散的坐标点。比如：

waypoints = [
    (0.0, 0.0),
    (1.0, 0.5),
    (2.0, 1.0),
    (3.0, 1.5),
    (4.0, 2.0)
]

每个点代表机器人必须经过的位置。控制器就照着这些点，一个接一个地走。

优点很明显：

• 实现简单，存个数组就行
• 直观，一眼就能看懂路径长啥样
• 适合全局路径规划的输出（比如A*、RRT*）

缺点也很致命：

• 路径不连续——点与点之间是直线，拐角处有突变
• 机器人走到每个点必须停下来转向，否则会 overshoot
• 无法保证曲率连续，高速时容易甩出去

4.2 多项式曲线：让路径变平滑

路径点序列太生硬，怎么办？用多项式曲线去拟合这些点。

最简单的是一次多项式（直线）：

y = ax + b

但直线不够用。实际中常用三次多项式：

y = a₀ + a₁x + a₂x² + a₃x³

为什么是三次？因为三次多项式能保证位置和速度连续（C¹连续），而且计算量不大。

我有个项目需要让机器人在仓库里走S形弯道。用三次多项式拟合路径点，效果还不错。但有个问题——多项式次数越高，曲线越容易在端点处剧烈振荡。这叫「龙格现象」，你想想看，一个高次多项式在两端像蛇一样扭来扭去，机器人根本没法跟。

4.3 贝塞尔曲线：设计师的最爱

贝塞尔曲线，你肯定见过。Photoshop里的钢笔工具、字体设计、汽车造型，到处都有它的影子。

它的核心思想是：用几个控制点来「拉」出一条曲线。控制点不一定要在曲线上，但曲线会被控制点「吸引」。

一个三次贝塞尔曲线需要4个控制点：

B(t) = (1-t)³P₀ + 3(1-t)²tP₁ + 3(1-t)t²P₂ + t³P₃
其中 t ∈ [0, 1]

你看，t从0变到1，曲线就从P₀平滑地走到P₃。中间被P₁和P₂拉着走。

贝塞尔曲线的优点：

• 直观——拖动控制点就能调整曲线形状
• 凸包性质——曲线始终在控制点围成的多边形内部
• 端点插值——曲线一定经过首尾控制点

缺点呢？

• 全局性——移动一个控制点，整条曲线都会变
• 不适合长路径——控制点一多，曲线就变得难以控制

4.4 样条曲线：工业级的选择

样条曲线，说白了就是「分段多项式」——把路径切成一小段一小段，每段用低次多项式拟合，然后在连接处保证光滑。

最常用的是三次样条（Cubic Spline）：

• 每段是三次多项式
• 段与段之间位置、速度、加速度都连续（C²连续）
• 整体曲线非常光滑

还有B样条（B-Spline）：

• 比三次样条更灵活
• 支持局部修改——移动一个控制点只影响附近几段
• 可以控制曲线的「松紧程度」

样条曲线为什么是工业级选择？因为它在光滑性和局部控制之间取得了完美平衡。

我曾经做过一个高速公路自动驾驶项目，路径长度几十公里。用B样条表示路径，每个控制点只影响周围一小段。调试时调整某个弯道的曲率，其他路段纹丝不动。这种局部性太重要了。

4.5 四种方法对比

方法	连续性	局部控制	计算量	适用场景
路径点序列	C⁰（位置连续）	是	极低	低速AGV、扫地机器人
多项式曲线	C¹~C²	否	低	短距离点对点运动
贝塞尔曲线	C¹~C²	否（全局）	中	短路径、泊车、机械臂
样条曲线	C²	是（B样条）	中高	长路径、高速运动、自动驾驶

4.6 知识体系图

下面这张图帮你理清这四种方法的关系和选择逻辑：

4.7 怎么选？我的建议

嗯，这里要注意，没有银弹。每种方法都有它的生态位。

• 做扫地机器人、简单AGV： 路径点序列就够了。别折腾，简单就是美。
• 做机械臂点对点运动： 三次多项式曲线，计算快、效果好。
• 做泊车、短距离特殊路径： 贝塞尔曲线，控制直观，调参方便。
• 做自动驾驶、高速移动机器人： 别犹豫，直接上B样条。虽然实现复杂一点，但后期调试会感谢你自己。

我曾经在一个项目里偷懒用了路径点序列，结果机器人在每个拐角都剧烈抖动，电机嗡嗡响。后来换成B样条，整个世界清净了。从那以后，但凡路径超过10米，我必用样条曲线。

好了，路径表示方法就讲到这里。记住一句话：路径的光滑程度，决定了机器人能跑多快、多稳。