2、开发环境搭建：Python环境配置（Anaconda）、核心库安装（NumPy, SciPy, Matplotlib）、IDE推荐（VS Code + 插件）

说实话，搭建开发环境这件事，看着简单，但坑真不少。我见过太多新手卡在这一步，折腾半天装不上库，最后连写代码的心情都没了。咱们今天就把这事一次性搞定，干干净净、利利索索。

2.1 为什么选 Anaconda？

你可能会问：直接用 Python 官网装不行吗？当然行。但做轨迹规划仿真，你需要的库太多了。NumPy、SciPy、Matplotlib、SymPy、Pandas……一个个手动装，依赖冲突能让你崩溃。

Anaconda 的好处就三个字：省心、隔离、好管理。

• 省心：它自带 1500+ 科学计算包，装完就能用。
• 隔离：每个项目可以建独立环境，互不干扰。我在做多机器人协同仿真时，不同版本库混在一起，差点把系统搞崩。后来全靠 conda 环境隔离救回来。
• 好管理：conda 命令比 pip 更擅长处理二进制依赖，尤其是 SciPy 这种底层有 Fortran 代码的库。

2.2 安装 Anaconda

去官网下载对应系统的安装包。我建议选 Python 3.9 或 3.10 版本，太新的版本有些库还没适配，太旧的又缺特性。

安装时注意两点：

• 不要勾选「Add Anaconda to my PATH environment variable」。这会影响系统其他 Python 程序。用 Anaconda Prompt 或终端激活即可。
• 安装路径不要有中文和空格。我以前吃过这个亏，路径带中文，Matplotlib 死活找不到字体文件。

装完后，打开终端（或 Anaconda Prompt），输入：

conda --version

看到版本号，说明成了。

2.3 创建虚拟环境

我习惯每个项目建一个独立环境。比如这个轨迹规划仿真课程，我们就建一个叫 traj_plan 的环境：

conda create -n traj_plan python=3.9

激活它：

conda activate traj_plan

你会看到命令行前面多了 (traj_plan) 字样。嗯，这就是你的专属小天地了。

2.4 安装核心库

接下来装三个核心库。它们是轨迹规划仿真的基石，缺一不可。

2.4.1 NumPy

NumPy 是 Python 科学计算的基石。矩阵运算、向量操作、线性代数，全靠它。轨迹规划里，你要处理坐标变换、插值、路径点计算，没有 NumPy 寸步难行。

conda install numpy

验证一下：

python -c "import numpy; print(numpy.__version__)"

我建议版本不低于 1.21。太老的版本有些新函数用不了。

2.4.2 SciPy

SciPy 是 NumPy 的升级版。它提供了优化、插值、信号处理、线性代数等高级功能。轨迹规划中，我们常用它来：

• 求解多项式插值（比如五次多项式轨迹）
• 做数值优化（比如时间最优轨迹）
• 处理样条曲线（B样条、三次样条）

conda install scipy

安装 SciPy 时，conda 会自动处理底层依赖（比如 BLAS、LAPACK）。如果用 pip 装，有时候会报编译错误。这也是我推荐 conda 的原因之一。

2.4.3 Matplotlib

做仿真，看不见结果等于白做。Matplotlib 就是你的眼睛。它能画轨迹曲线、关节角度变化、速度加速度图、3D 路径可视化……

conda install matplotlib

装完后，跑个简单测试：

python -c "import matplotlib.pyplot as plt; plt.plot([0,1,2],[0,1,0]); plt.show()"

如果弹出一个窗口，显示一条折线，说明安装成功。

我个人习惯把 Matplotlib 的默认字体改成支持中文的，不然图里中文会显示成方框。配置方法：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 或者 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False

2.5 知识体系总览

下面这张图，帮你理清今天搭建的环境在整个仿真系统中的位置：

2.6 IDE 推荐：VS Code + 插件

编辑器这东西，各有所爱。但我个人强烈推荐 VS Code。轻量、免费、插件生态强大。做轨迹规划仿真，你不需要 PyCharm 那么重的 IDE，VS Code 刚刚好。

2.6.1 安装 VS Code

去官网下载安装。装完后，打开扩展商店（Ctrl+Shift+X），安装这几个插件：

插件名	作用	为什么需要
Python (by Microsoft)	语法高亮、智能提示、调试	核心插件，必装
Jupyter	在 VS Code 里运行 .ipynb 文件	做仿真分析时，交互式调试很方便
Pylance	更快的代码补全和类型检查	配合 Python 插件，体验提升明显
Code Runner	一键运行代码片段	测试小功能时不用开终端
GitLens	代码版本管理可视化	做项目迭代时，看修改历史很方便

2.6.2 配置 Python 解释器

装完插件后，按 Ctrl+Shift+P，输入 Python: Select Interpreter，选择你刚才创建的 traj_plan 环境。这样 VS Code 就知道用哪个 Python 来运行代码了。

2.7 验证环境

最后，跑一个完整的测试脚本，确保所有库都能正常工作：

import numpy as np
import scipy.interpolate as si
import matplotlib.pyplot as plt

# 生成测试数据
x = np.linspace(0, 10, 11)
y = np.sin(x)

# 三次样条插值
f = si.interp1d(x, y, kind='cubic')
x_new = np.linspace(0, 10, 100)
y_new = f(x_new)

# 绘图
plt.plot(x, y, 'o', label='原始点')
plt.plot(x_new, y_new, '-', label='插值曲线')
plt.legend()
plt.title('轨迹规划仿真环境测试')
plt.show()

如果看到一条平滑的正弦曲线穿过原始点，恭喜你——环境搭建成功！

好了，环境搭好了，接下来就可以真正开始写轨迹规划代码了。记住，好的开发环境是高效工作的基础。别嫌麻烦，这一步值得花时间。

---