一、课程导论：路径规划与轨迹平滑的核心概念、应用场景与课程概览
大家好，欢迎来到《路径规划轨迹平滑与速度规划实战课程》。
我是这门课的主讲。在机器人行业摸爬滚打了十几年，从最早的轮式机器人，到后来的自动驾驶汽车，再到无人机编队，我踩过的坑，说实话，比很多新手走过的路都多。今天这第一节课，咱们不急着写代码，先聊聊「路径规划」到底是个什么东西，以及为什么你非得学「轨迹平滑」和「速度规划」。
1.1 核心概念：从「路径」到「轨迹」的进化
很多人一开始会把「路径规划」和「轨迹规划」混为一谈。我刚开始做项目时也犯过这个错。
路径（Path），说白了就是一条几何线。它只关心「从A点到B点，怎么走不撞墙」。比如A*算法给你画出一条折线，这就是路径。它没有时间概念，也没有速度概念。
轨迹（Trajectory），则是在路径的基础上，加上了时间轴。它告诉你「什么时刻，机器人应该出现在哪个位置，速度是多少，加速度是多少」。这才是真正能下发给执行器的指令。
举个例子：
- 路径规划告诉你：绕过这个桌子，走右边过去。
- 轨迹规划告诉你：在2秒内，以0.5m/s的速度，平滑地绕过桌子，到达目标点。
为什么会这样？因为机器人不是光画条线就能动的。你想想看，如果直接让电机执行一条折线路径，在拐角处速度突变，轻则抖动，重则直接翻车。我在做AGV小车时，就遇到过因为没做轨迹平滑，结果在直角转弯处货物全甩下来的惨案。
核心公式（记住这个就够了）：
轨迹 = 路径 + 速度曲线 + 时间约束
1.2 应用场景：自动驾驶、机器人、无人机
这三个领域，说白了都是「移动体在空间中的运动控制」，但侧重点完全不同。我分别说说我的体会。
1.2.1 自动驾驶
自动驾驶对轨迹平滑的要求，我个人认为是三个领域里最苛刻的。为什么？因为乘客的屁股会说话。
你想想看，如果一辆自动驾驶汽车在变道时，轨迹不够平滑，乘客会明显感觉到「被甩了一下」。这在机器人领域可能无所谓，但在汽车上，这就是晕车和舒适性的问题。
我记得在参与一个L4级泊车项目时，我们用了五次多项式来拟合轨迹。但一开始参数没调好，导致车辆在倒车入库时，方向盘来回修正，像新手司机一样。后来我们加入了曲率约束，才解决了这个问题。
| 场景 | 核心要求 | 常见算法 |
|---|---|---|
| 高速公路巡航 | 长距离、低曲率、高速度 | 样条曲线、贝塞尔曲线 |
| 城区道路 | 多障碍物、频繁启停 | 混合A*、DWA |
| 泊车 | 低速、高精度、多段倒车 | Reeds-Shepp曲线、五次多项式 |
1.2.2 机器人（移动底盘/机械臂）
机器人领域，我接触最多的是室内移动机器人和协作机械臂。
对于移动底盘，比如扫地机器人，轨迹平滑更多是为了「不卡住」和「省电」。你想想看，如果机器人每走一步都要急停急转，电机电流会瞬间飙升，电池续航直接打七折。
对于机械臂，轨迹平滑则关乎「精度」和「寿命」。我曾经调试过一个六轴机械臂，因为速度规划没做好，导致末端执行器在抓取时产生振动，结果零件总是抓偏。后来我们在关节空间做了S型速度规划，问题才解决。
我的一个小建议：
做机器人轨迹规划时，一定要区分「笛卡尔空间」和「关节空间」。很多新手直接在笛卡尔空间做平滑，然后逆解到关节，结果发现关节速度超限了。正确的做法是：先规划路径，再在关节空间做速度规划。
1.2.3 无人机
无人机是这三个里面最「刺激」的。为什么？因为它是三维运动，而且动力学约束非常强。
无人机不能像汽车一样「停下来再转弯」。它必须保持一定的前向速度才能维持升力。所以，无人机的轨迹规划，本质上是在「动力学可行性」和「路径长度」之间做权衡。
我记得有一次做无人机编队表演，我们用了Minimum Snap（最小加加速度）轨迹。理论上很完美，但实际飞起来，有一架无人机在转弯时因为加速度过大，直接触发了飞控的保护机制，悬停了。后来我们加入了「推力约束」和「姿态角约束」，才让编队飞得又稳又好看。
避坑指南：
我曾经在无人机项目中，直接套用了汽车的轨迹平滑算法。结果无人机在空中画了一个完美的「8」字，但实际飞行的轨迹和规划的轨迹差了半米。原因很简单：汽车的动力学模型是「非完整约束」，而无人机是「全向+动力学约束」。算法不能乱用！
1.3 课程大纲概览：我们到底要学什么？
这门课，我不会跟你讲太多纯理论。我会把重点放在「怎么用」和「为什么这么用」上。
整个课程分为以下几个模块：
- 基础篇：路径规划算法回顾
- A*、Dijkstra、RRT* 等经典算法
- 重点讲「为什么这些算法输出的路径需要平滑」
- 核心篇：轨迹平滑技术
- 贝塞尔曲线、B样条曲线、五次多项式
- 曲率约束、连续性约束（C0/C1/C2）
- 我会手把手教你写一个轨迹平滑器
- 进阶篇：速度规划
- T型速度曲线、S型速度曲线
- 梯形速度规划 vs 多项式速度规划
- 如何应对「速度突变」和「加速度超限」
- 实战篇：多场景案例
- 自动驾驶泊车轨迹生成
- 移动机器人走廊导航
- 无人机三维航点跟踪
- 优化篇：工程化与调参
- 如何让算法在嵌入式平台上跑起来
- 参数整定的经验法则
- 常见Bug的排查思路
这门课能给你什么？
学完之后，你拿到任何一个移动机器人的路径规划需求，都能独立完成从「路径生成」到「轨迹平滑」再到「速度规划」的全流程。而且，你会知道哪些坑不能踩，哪些参数是关键。
1.4 写在最后：一点心里话
路径规划这个方向，入门容易，精通难。很多人学了一堆算法，但一到实际项目就抓瞎。为什么？因为书本上教的是「理想情况」，而现实世界充满了「噪声」和「不确定性」。
这门课，我会尽量把我这些年踩过的坑、总结的经验，都揉碎了讲给你听。有些地方可能比较啰嗦，但请相信我，这些细节往往就是决定项目成败的关键。
好，第一节课就到这里。下一节，我们正式开始讲「路径规划算法回顾」，我会从A*算法讲起，但重点会放在「为什么A*输出的路径需要平滑」上。咱们下节课见。
公众号:蓝海资料掘金营，微信deep3321