第二章：航迹生成基础——航迹与路径的区别、数学表示与基本流程
各位同学，今天我们来聊聊航迹生成的基础。说实话，我刚入行那会儿，也分不清「路径」和「航迹」到底有啥区别。直到有一次做无人机编队项目，被老工程师一句话点醒——「路径是地图上的线，航迹是时间轴上的舞步」。嗯，这个比喻我一直记到现在。
2.1 航迹与路径：别搞混了
先问大家一个问题：你从北京坐高铁到上海，12306给你规划的那条铁路线，是路径还是航迹？
答案是路径。它只告诉你「走哪条铁轨」，不关心你几点出发、几点到站、中间停多久。而航迹呢？它得告诉你：8:00发车、8:15到济南、8:17离开济南……每个时刻你在哪里、速度多少、加速度多少。
说白了，路径是空间概念，航迹是时空概念。
我在项目中遇到过不少新手，拿着路径规划算法（比如A*、RRT）算出一条线，就以为航迹生成完成了。结果一跑仿真，无人机在拐弯处直接超速——因为路径只给了位置，没给时间约束。嗯，这个坑我踩过，希望大家别重蹈覆辙。
核心区别总结：
- 路径（Path）：空间中的一条几何曲线，只包含位置信息。例如：从点A到点B的一条直线或曲线。
- 航迹（Trajectory）：路径 + 时间信息。每个点都绑定了时刻、速度、加速度等运动状态。
你想想看，如果只给路径不给时间，机器人怎么知道什么时候该加速、什么时候该减速？所以航迹生成，本质上是在路径上「贴上时间标签」。
2.2 航迹的数学表示
航迹的数学表示，我习惯把它分成两类：离散型和连续型。两种我都用过，各有各的适用场景。
2.2.1 时间序列表示（离散型）
这是最直观的方式。把航迹表示成一系列离散的时间点上的状态：
Trajectory = { (t₀, x₀, y₀, z₀, v₀, a₀),
(t₁, x₁, y₁, z₁, v₁, a₁),
...
(tₙ, xₙ, yₙ, zₙ, vₙ, aₙ) }每个时间步 tᵢ 对应一个状态向量，包含位置、速度、加速度等。这种表示方法简单直接，适合做数值计算和仿真。
优点：存储方便，计算效率高。
缺点：分辨率受采样率限制，插值精度有限。
我的经验：在无人机航迹规划中，时间序列采样率一般取 10-50 Hz。太低会丢失动态细节，太高又浪费算力。我曾经试过 100 Hz 采样，结果内存爆了——嗯，教训深刻。
2.2.2 样条曲线表示（连续型）
如果你需要一条光滑的航迹，样条曲线是更好的选择。我个人最常用的是三次样条和B样条。
三次样条：通过一系列控制点，生成一条二阶连续（C²连续）的光滑曲线。每个分段是三次多项式。
// 三次样条示例（伪代码）
struct CubicSpline {
double a, b, c, d; // 多项式系数
double t_start, t_end; // 时间区间
};
double evaluate(CubicSpline spline, double t) {
double dt = t - spline.t_start;
return spline.a + spline.b*dt + spline.c*dt² + spline.d*dt³;
}B样条：比三次样条更灵活，支持局部修改。你改一个控制点，只影响附近一段曲线，不会牵一发动全身。
| 表示方法 | 连续性 | 局部控制 | 计算复杂度 | 适用场景 |
|---|---|---|---|---|
| 时间序列 | 离散 | 是 | O(n) | 数值仿真、实时控制 |
| 三次样条 | C²连续 | 否 | O(n) | 路径平滑、轨迹插值 |
| B样条 | C²连续 | 是 | O(n) | 复杂航迹设计、局部调整 |
注意：样条曲线虽然光滑，但容易产生「过冲」现象——在控制点密集的地方，曲线可能会剧烈波动。我曾经在一条狭窄通道里用高次样条，结果航迹直接穿墙了……后来改用B样条加约束条件才解决。
2.3 航迹生成的基本流程
好了，理论讲完了，咱们来看看实际怎么做。航迹生成，我一般把它拆成四个步骤：
- 输入获取：拿到起点、终点、环境地图、约束条件（最大速度、加速度、障碍物位置等）。
- 路径规划：用A*、RRT、PRM等算法，找出一条无碰撞的几何路径。
- 时间参数化：给路径上的每个点分配时间，生成速度、加速度曲线。这一步是核心。
- 优化与验证：检查航迹是否满足所有约束，必要时做平滑或重规划。
下面这张图，是我自己画的一个流程框架，大家感受一下：
这里我想重点说说第三步——时间参数化。很多教材把它一笔带过，但实际项目中，这一步才是真正的「坑王」。
时间参数化的核心问题：给定一条路径，如何分配时间，使得运动满足动力学约束（最大速度、最大加速度、 jerk 限制等）？
我常用的方法有两种：
- 梯形速度曲线：加速段→匀速段→减速段。简单可靠，适合大多数场景。
- S形速度曲线：加加速度（jerk）受限，运动更平滑。适合高精度任务，比如机械臂抓取。
避坑指南：我曾经在一个项目中，直接用梯形速度曲线给无人机规划航迹。结果无人机在加速段末端剧烈抖动——因为梯形曲线在加速到匀速的切换点处，加速度突变，导致 jerk 无穷大。后来换成 S 形曲线，问题就解决了。所以，如果你的系统对平滑度要求高，别偷懒，用 S 形曲线。
2.4 一个简单的航迹生成示例
说了这么多，咱们来点实际的。假设我们要生成一条从 (0,0) 到 (10,10) 的直线航迹，最大速度 2 m/s，最大加速度 1 m/s²。
# 伪代码：梯形速度曲线航迹生成
def generate_trajectory(start, end, v_max, a_max):
# 1. 计算路径长度
distance = norm(end - start) # 约14.14米
# 2. 计算加速段和减速段长度
acc_distance = v_max² / (2 * a_max) # 2米
# 3. 如果距离太短，无法达到最大速度
if distance < 2 * acc_distance:
# 三角形速度曲线（只有加速和减速）
v_peak = sqrt(a_max * distance)
t_acc = v_peak / a_max
t_total = 2 * t_acc
else:
# 梯形速度曲线
t_acc = v_max / a_max
t_cruise = (distance - 2 * acc_distance) / v_max
t_total = 2 * t_acc + t_cruise
# 4. 生成时间序列
trajectory = []
for t in range(0, int(t_total * 100), 1): # 10ms采样
t_sec = t / 100.0
# 根据时间计算位置、速度、加速度
# ...（省略具体插值代码）
trajectory.append((t_sec, x, y, v, a))
return trajectory这个例子虽然简单，但包含了航迹生成的核心思想：在路径上叠加时间信息，同时满足运动学约束。
我的建议：刚开始做航迹生成时，别一上来就搞复杂的样条曲线。先用梯形速度曲线跑通流程，再逐步优化。我见过太多人一开始就追求「完美」，结果连基本流程都没跑通——嗯，欲速则不达。
好了，这一章的内容就到这里。航迹生成说难不难，说简单也不简单。关键是把「路径」和「航迹」这两个概念分清楚，然后掌握时间参数化的基本方法。下一章我们会深入讲样条曲线的具体实现，到时候再聊。
公众号:蓝海资料掘金营，微信deep3321