数学基础（三）：插值与拟合

插值与拟合，说白了就是「猜中间的值」。你有一堆离散点，想连成一条平滑的线，或者想预测两个点之间会发生什么。这在轨迹规划里太常见了——机器人走过的路径点，不可能每个都存下来，得靠插值把中间补上。

我刚开始做轨迹规划时，觉得插值不就是画条线嘛。后来发现，选错方法，机器人要么抖得像帕金森，要么直接撞墙。嗯，这里面的门道不少。

多项式插值：简单但危险

多项式插值是最直觉的方法。给你 n+1 个点，找一个 n 次多项式，让曲线刚好穿过所有点。数学上这叫「拉格朗日插值」或「牛顿插值」。

  核心思想：用多项式去拟合所有已知点，保证曲线在节点处完全吻合。

举个例子，三个点 (0,0)、(1,2)、(2,1)，用二次多项式就能搞定。公式长这样：

// 拉格朗日插值基函数
function lagrangeInterpolation(x, points) {
    let result = 0;
    for (let i = 0; i < points.length; i++) {
        let term = points[i].y;
        for (let j = 0; j < points.length; j++) {
            if (i !== j) {
                term *= (x - points[j].x) / (points[i].x - points[j].x);
            }
        }
        result += term;
    }
    return result;
}

看着挺简单对吧？但有个大坑——龙格现象。当点数变多，多项式次数升高，曲线两端会剧烈震荡。我在项目中遇到过，用 10 阶多项式插值 11 个等距点，结果两端直接飞到天上去，机器人路径完全不能用。

避坑指南：多项式插值只适合点数少（一般不超过 5 个）且节点分布均匀的场景。点数多了，老老实实用分段插值。

样条插值：分段的艺术

既然高次多项式不靠谱，那就分段呗。样条插值的思路是：把整个区间切成小段，每段用低次多项式拟合，段与段之间保证连续且光滑。

最常用的是三次样条。每段用三次多项式，保证整条曲线二阶连续可导。你想想看，这意味着位置、速度、加速度都连续——对机器人轨迹来说，这就是基本要求。

样条类型	连续阶	适用场景
线性样条	C⁰（位置连续）	简单路径，不关心速度
二次样条	C¹（速度连续）	需要平滑速度变化
三次样条	C²（加速度连续）	轨迹规划标准选择

三次样条的数学形式：

// 每段三次多项式：Sᵢ(x) = aᵢ + bᵢ(x-xᵢ) + cᵢ(x-xᵢ)² + dᵢ(x-xᵢ)³
// 约束条件：
// 1. 穿过所有节点
// 2. 一阶导数连续
// 3. 二阶导数连续
// 4. 边界条件（自然样条或固定端点条件）

我个人习惯用自然样条（两端二阶导数为 0），因为计算简单，而且大多数场景下效果已经够好。如果你需要精确控制端点速度，那就用固定端点条件。

经验之谈：三次样条是轨迹规划里的「万金油」。我在做 AGV 路径平滑时，几乎都用它。计算量不大，效果稳定，唯一要注意的是——别让路径点太密，否则曲线会「拧麻花」。

贝塞尔曲线：直观的控制

贝塞尔曲线是另一种思路。它不要求曲线穿过所有点，而是通过「控制点」来塑造形状。你拖动控制点，曲线就会跟着变形——特别适合交互式设计。

数学上，n 次贝塞尔曲线由 n+1 个控制点定义：

// 德卡斯特里奥算法（De Casteljau's Algorithm）
function bezierPoint(t, controlPoints) {
    let points = controlPoints.slice();
    while (points.length > 1) {
        let next = [];
        for (let i = 0; i < points.length - 1; i++) {
            next.push({
                x: (1 - t) * points[i].x + t * points[i + 1].x,
                y: (1 - t) * points[i].y + t * points[i + 1].y
            });
        }
        points = next;
    }
    return points[0];
}

贝塞尔曲线有几个特点：

凸包性质：曲线始终在控制点构成的凸多边形内
端点性质：曲线经过首尾控制点，但不经过中间点
全局性：移动一个控制点，整条曲线都会变

这个「全局性」既是优点也是缺点。优点是调整直观，缺点是局部修改会牵连全局。我记得有一次做机械臂避障，想微调中间一段路径，结果整个轨迹都变了，不得不重新规划。

注意：贝塞尔曲线的次数 = 控制点数 - 1。控制点一多，次数就高，计算量和数值稳定性都会出问题。实际工程中，一般用三次贝塞尔曲线（4 个控制点），再多就分段。

B样条曲线：贝塞尔的升级版

B样条曲线解决了贝塞尔的两个痛点：局部控制和次数限制。它把曲线分成多段，每段由几个控制点决定，但每个控制点只影响局部区域。

B样条的核心是「节点向量」和「基函数」。听着复杂，但效果很实用：

局部性：移动一个控制点，只影响附近几段曲线
低次光滑：可以用低次多项式实现复杂形状
连续性可控：通过重复节点，可以控制曲线在特定点的连续阶

// 均匀三次B样条基函数（简化版）
function uniformBSplineBasis(i, k, t) {
    // i: 控制点索引, k: 次数(3), t: 参数[0,1)
    if (k === 0) {
        return (t >= i && t < i + 1) ? 1 : 0;
    }
    let left = (t - i) / k * uniformBSplineBasis(i, k - 1, t);
    let right = (i + k + 1 - t) / k * uniformBSplineBasis(i + 1, k - 1, t);
    return left + right;
}

我个人最喜欢 B样条的一点是——你可以通过调整节点向量，精确控制曲线在某个点的「光滑程度」。比如想让机器人急停，就在那个位置重复节点，让曲线变成 C⁰ 连续（位置连续但速度不连续）。

工程建议：如果你做的是实时轨迹规划，B样条是首选。它的局部性意味着你只需要重新计算受影响的那几段，计算量可控。我在做无人机航迹规划时，就用 B样条做路径平滑，效果比贝塞尔好得多。

四种方法对比

方法	穿过节点	局部控制	连续阶	计算量	推荐场景
多项式插值	是	否	Cⁿ	低	点数少（≤5）
三次样条	是	是	C²	中	路径平滑、轨迹规划
贝塞尔曲线	否	否	Cⁿ	低	交互设计、形状编辑
B样条曲线	否	是	Cᵏ⁻¹	中高	实时规划、复杂路径

知识体系总览

下面这张图把四种方法的关系和适用场景串起来了：

看到这张图，你应该能理解：没有「最好」的方法，只有「最合适」的方法。多项式插值简单但脆弱，样条插值稳定但需要解方程组，贝塞尔直观但全局影响，B样条灵活但实现稍复杂。

我个人建议，刚入门时先把三次样条和三次贝塞尔吃透。这两个是基础，也是工程中最常用的。等你遇到更复杂的场景——比如非均匀节点、带权重的拟合、实时动态调整——再深入 B样条也不迟。

  一句话总结：插值是「必须穿过已知点」，拟合是「尽量靠近已知点」。轨迹规划里，样条和 B样条是主力，多项式插值只适合小规模数据，贝塞尔更适合设计阶段。

📚 课程目录

数学基础（三）：插值与拟合

多项式插值：简单但危险

样条插值：分段的艺术

贝塞尔曲线：直观的控制

B样条曲线：贝塞尔的升级版

四种方法对比

知识体系总览