第4章路径表示方法

第四节：路径表示方法——如何用数学描述一条路

好，咱们进入正题。路径规划里最基础的问题是什么？说白了就是：怎么用数学语言描述一条车能走的路。

你可能会想，这不简单吗？给一堆点，连起来不就行了？嗯，我刚开始做自动驾驶时也是这么想的。结果第一次实车测试，车开起来像喝醉了酒——左右摇摆，乘客差点晕车。从那以后我才明白，路径表示这件事，远没有想象中那么简单。

先给个严谨的定义。一条路径，在数学上可以表示为：

P(s) = (x(s), y(s), θ(s), κ(s))

其中 s 是弧长参数，x、y 是位置坐标，θ 是航向角，κ 是曲率。注意，我这里用的是弧长参数化，不是时间参数化。为什么？因为路径只关心几何形状，不关心速度。

核心要点：路径是几何的，轨迹才是带时间的。很多新手把这两个混为一谈，结果做出来的规划器又慢又别扭。

我个人习惯把路径定义成连续的、至少二阶可导的曲线。为什么要求二阶可导？因为车辆的运动受阿克曼转向几何约束，一阶导数对应航向，二阶导数对应曲率——而曲率直接决定了方向盘转角。

实际工程中，我们很少直接用离散点表示路径。原因很简单：离散点不光滑，没法直接控制曲率。所以我们需要参数化曲线。

贝塞尔曲线是最直观的参数化方法。给定 n+1 个控制点 P₀, P₁, ..., Pₙ，贝塞尔曲线定义为：

B(t) = Σᵢ₌₀ⁿ C(n,i) · (1-t)ⁿ⁻ⁱ · tⁱ · Pᵢ

其中 t ∈ [0,1]，C(n,i) 是二项式系数。

贝塞尔曲线有个很好的性质：凸包性——整条曲线都在控制点构成的凸包内。这意味着你可以通过调整控制点直观地控制曲线形状。

我的经验：贝塞尔曲线适合做局部路径调整。比如在换道场景中，用三阶或四阶贝塞尔曲线就能生成一条平滑的换道路径。我曾经在一个项目中用五阶贝塞尔曲线做泊车路径，效果出奇地好——因为高阶数能保证曲率连续。

但贝塞尔曲线也有缺点：全局性。改变任何一个控制点，整条曲线都会变化。这在需要局部微调时就比较麻烦。

B样条曲线解决了贝塞尔的全局性问题。它的数学形式是：

C(u) = Σᵢ₌₀ⁿ Nᵢₚ(u) · Pᵢ

其中 Nᵢₚ(u) 是 p 次B样条基函数，由节点向量 U = {u₀, u₁, ..., uₘ} 决定。

B样条最大的优势是局部支撑性——每个控制点只影响曲线的一部分。你想想看，这在路径优化中多有用？我可以固定起点和终点，只调整中间几个控制点来优化曲率，而不用担心把整条路径搞乱。

注意：B样条虽然强大，但节点向量的设置是个技术活。我曾经因为节点向量设置不当，导致生成的路径在某个点突然出现曲率跳变，车差点冲上路沿。后来我总结了一个经验：节点向量要尽量均匀，但在曲率变化大的区域可以适当加密。

好，现在我们知道怎么表示路径了。但怎么判断一条路径好不好？这就涉及到平滑性度量。

我个人常用的三个指标：

曲率连续性：路径的曲率 κ(s) 必须连续，最好是一阶连续。为什么？因为曲率不连续意味着方向盘要瞬间转动，这在物理上不可能实现。
曲率变化率：dκ/ds 要尽量小。这个指标直接对应方向盘的转动速度。我见过一些算法生成的路径曲率连续但变化剧烈，结果车开起来像在画蛇——乘客体验极差。
最大曲率约束：κ(s) ≤ κ_max。这个 κ_max 由车辆的最小转弯半径决定。一般乘用车的最小转弯半径在5-6米左右，对应的最大曲率约0.17-0.2 m⁻¹。

实际工程中，我常用一个综合的代价函数来评估路径平滑性：

J = w₁ · ∫κ²(s) ds + w₂ · ∫(dκ/ds)² ds + w₃ · ∫(d²κ/ds²)² ds

其中 w₁、w₂、w₃ 是权重系数。这个函数越小，路径越平滑。

避坑指南：我曾经在一个项目中只用了曲率平方积分（即 w₂=w₃=0），结果生成的路径虽然曲率很小，但曲率变化率极大。车在弯道中频繁调整方向盘，电机都过热了。后来我加入了曲率变化率的惩罚项，问题才解决。

嗯，这一节内容不少。总结一下：

下一节我们会讲路径生成的具体算法。到时候我会结合一个实际项目案例，展示怎么用B样条生成一条满足车辆运动学约束的路径。敬请期待。