4、B样条曲线：节点向量、基函数递归定义、德布尔算法
好，咱们进入B样条的世界。
说实话，从Bezier曲线到B样条曲线，这一步跨过去，你才真正摸到了数控插补的硬核。Bezier曲线虽然漂亮，但有个硬伤——移动一个控制点，整条曲线都跟着抖。这在工程里是致命的。你想想看，加工一个复杂曲面，我只想微调局部形状，结果整个刀轨都变了，这谁受得了？
B样条曲线就是来解决这个问题的。它把曲线分成一段一段的，每段只受附近几个控制点影响。这就是所谓的“局部支撑性”。嗯，这是B样条最核心的优势。
4.1 节点向量——B样条的“骨架”
要理解B样条，先得搞懂节点向量。我个人习惯把它比作一把尺子，这把尺子定义了曲线参数u的“地盘”怎么划分。
节点向量是一个非递减的实数序列：
U = {u₀, u₁, u₂, ..., uₘ}其中，m = n + p + 1。n是控制点个数，p是曲线次数。
举个例子，一条3次B样条曲线，有5个控制点（n=4），那么节点向量长度m = 4 + 3 + 1 = 8。节点向量可能是这样的：
U = {0, 0, 0, 0, 0.25, 0.5, 0.75, 1, 1, 1, 1}注意看，两端各有4个重复节点（p+1个）。这叫“clamped”B样条，曲线会经过首尾控制点。我在做五轴刀路规划时，几乎都用这种形式。
- 均匀节点向量：节点等距分布，如{0, 0.2, 0.4, 0.6, 0.8, 1.0}。计算简单，但曲线形状不够灵活。
- 非均匀节点向量：节点间距不等。可以控制曲线在某处的“松紧”程度。我在做高速加工时，经常在曲率大的区域加密节点。
- 准均匀节点向量：两端重复，中间均匀。这是工程中最常用的。
4.2 基函数的递归定义——Cox-de Boor公式
B样条的基函数是用递归方式定义的。别被“递归”两个字吓到，说白了就是“从低次往高次推”。
零次基函数（p=0）很简单：
Nᵢ,₀(u) = 1 如果 uᵢ ≤ u < uᵢ₊₁
Nᵢ,₀(u) = 0 否则高次基函数由低次递推得到：
Nᵢ,ₚ(u) = ((u - uᵢ) / (uᵢ₊ₚ - uᵢ)) * Nᵢ,ₚ₋₁(u)
+ ((uᵢ₊ₚ₊₁ - u) / (uᵢ₊ₚ₊₁ - uᵢ₊₁)) * Nᵢ₊₁,ₚ₋₁(u)为什么会这样？其实这个公式保证了基函数在节点区间上的连续性。你想想看，两个低次函数加权平均，得到高次函数，天然就光滑了。
- 局部支撑性：Nᵢ,ₚ(u)只在区间[uᵢ, uᵢ₊ₚ₊₁]上非零。这就是B样条“局部修改”的数学根源。
- 非负性：所有基函数都≥0。
- 单位分解性：对于任意u，所有基函数之和为1。
4.3 德布尔算法——B样条的“求值引擎”
有了基函数，理论上就能算曲线点了。但直接递归计算效率太低。德布尔算法就是用来高效计算B样条曲线上点的。
它的思路很巧妙：把控制点看作“种子”，通过线性插值一层层“生长”出曲线上的点。
算法步骤：
- 找到参数u所在的节点区间[uₖ, uₖ₊₁]。
- 取p+1个相关控制点：Pₖ₋ₚ, Pₖ₋ₚ₊₁, ..., Pₖ。
- 逐层线性插值，直到只剩一个点。
伪代码如下：
function deBoor(u, k, p, U, P):
// 复制控制点
for i = 0 to p:
Q[i] = P[k - p + i]
// 逐层递推
for r = 1 to p:
for i = 0 to p - r:
alpha = (u - U[k - p + i + r]) / (U[k + i + 1] - U[k - p + i + r])
Q[i] = (1 - alpha) * Q[i] + alpha * Q[i + 1]
return Q[0]4.4 知识体系总览
下面这张图，是我自己总结的B样条知识结构。你看一眼，心里就有谱了。
4.5 工程中的实际考量
在实际的数控系统中，B样条插补通常分两步走：
- 预处理阶段：解析G代码中的B样条定义，提取控制点和节点向量。
- 实时插补阶段：在每个插补周期，用德布尔算法计算当前参数u对应的曲线点。
这里有个性能问题。德布尔算法虽然高效，但每个周期都要做p(p+1)/2次线性插值。对于3次B样条，就是6次。如果插补周期是1ms，CPU还能扛得住。但如果你做5次甚至7次B样条，计算量就上来了。
好了，B样条的核心内容就这些。节点向量是骨架，基函数是血肉，德布尔算法是心脏。三者缺一不可。下次你看到一段B样条插补代码，心里应该能画出这张图了。