前言
之前被安排了活，一个局部区域机器运动控制的工作，大致是一个机器位于一个极限区域时候，机器要进入一个特殊的机制，使得机器可以安全的走出来。其中用到了bezier曲线进行优化路径，今天写一下，正好也给大家分享一下工作和实践的情况。
作者：良知犹存
转载授权以及围观：欢迎关注微信公众号：羽林君
或者添加作者个人微信：become_me
贝塞尔曲线基本介绍
线段都可以被拆分成两个坐标的差来表示,如下面一阶的贝塞尔曲线，P0到P1，可以用一个t进行拆分这段线,分别是线段 t(P0～P1)、线段 1-t(P0～P1)，P0和P1叫做， 这条条贝塞尔的两个控制点，而贝塞尔曲线至少要有两个控制点（就是下面的这条直线，一阶贝塞尔曲线）。在贝塞尔曲线与控制点位置相关，这意味着在曲线生成过程中，我们可以通过调节控制点的位置，进而调整整个曲线。
贝塞尔的阶数和次数是一样的，二阶贝塞尔，三个点，最高次数二次。例：二阶贝塞尔：三个点，两个线段，以所有等比的点组合成的曲线叫做二阶贝塞尔曲线。
接下来给大家介绍一下贝塞尔曲线的推导工程，也比较简单，并且网上的介绍也挺多的：
一阶：
这里面有两个控制点为$ P_0 (0,0) 和P_1 (1,1)$ ，对应的曲线方程为：
B(t)=Pt=(1−t)P0+tP1=P0+(P1−P0)t
tϵ[0,1]
这个方程可以理解为，从P0出发，朝着P1的方向前进∣ ∣ P 1 − P 0 ∣ ∣ t ||P_1-P_0||t的距离，从而得到了点B(t)的位置。t从0逐渐递增到1，这个过程完成，就成了我们所看到的曲线。
另外，之所以是一阶贝塞尔曲线是因为方程是关于t的一阶多项式，多阶也是一样。
二阶：
有三个控制点，这里的 P0、P1、P2 分别称之为控制点，曲线的产生完全与这三个点位置相关。
与一阶有些区别就在于三个控制点形成两个线段，每个线段上有一个点在运动，于是得到两个点；
再使用两个点形成一个线段，这个线段上有一个点在运动，于是得到一个点；最后一个点的运动轨迹便构成了二阶贝塞尔曲线。
对应的曲线方程为：
Pa=(1−t)P0+tP1=P0+(P1−P0)t
Pb=(1−t)P1+tP2=P1+(P2−P1)t
Pt=(1−t)Pa+tPb=Pa+(Pb−Pa)t
这是一条迭代公式，每次迭代都会少掉一个“点”。
最后得： B(t)=Pt=(1−t)2P0+2t(t−1)P1+t2P2
三阶：
有四个控制点
设控制点为P0，P1，P2和P4，曲线方程为：
B(t)=Pt=(1−t)3P0+3t(t−1)2tP1+3t2(1−t)P2+t3P3
配图这是matlab生成的gif动画，大家想要的也可以找我，代码私发给大家。
N阶：
我们发现，实际上是每轮都是 n 个点，形成 n-1 条线段，每个线段上有一个点在运动，那么就只关注这 n-1 个点，循环往复。最终只剩一个点时，它的轨迹便是结果。
如此一来，你会发现贝塞尔曲线内的递归结构。实际上，上述介绍的分别是一阶、二阶、三阶的贝塞尔曲线，贝塞尔曲线可以由阶数递归定义。
N阶贝塞尔曲线公式:
B(t)=i=0∑n(in)Pi(1−t)n−iti,t∈[0,1]
贝塞尔曲线应用
贝塞尔曲线在动画中有应用，前端以及一些其他显示要求；此外在路径规划过程中，也会使用贝塞尔曲线进行规划好路径再优化，我就是使用了后者进行优化规划好的路径，使得机器行走更加顺畅，不过使用中大家需要按照机器实际相应来进行调整t的精度以及阶数。
由于贝塞尔曲线本身的数学表达式便是一条递归式，所以决定采用递归的方式来实现。代码如下，BezierCurve函数实现贝塞尔曲线迭代，UseBezierOptimizePath函数的第二个参数进行控制使用的阶数，最后调用opencv实现可视化效果。
#include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/core.hpp> #include <vector> using namespace cv; using std::cout; using std::endl; using std::vector; template <typename T> T BezierCurve(T src) { if (src.size() < 1) return src; const float step = 0.003;//1.0/step T res; if (src.size() == 1) {//递归结束条件 for (float t = 0; t < 1; t += step) res.push_back(src[0]); return res; } T first_part{}; T second_part{}; first_part.assign(src.begin(), src.end() - 1); second_part.assign(src.begin() + 1, src.end()); T pln1 = BezierCurve(first_part); T pln2 = BezierCurve(second_part); for (float t = 0; t < 1; t += step) { typename T::iterator::value_type temp{}; temp += pln1[cvRound(1.0 / step * t)] * (1.0 - t) ; temp += pln2[cvRound(1.0 / step * t)] * t; res.emplace_back(temp); } return res; } template <typename T> T UseBezierOptimizePath(T path,uint8_t order_number) { if(path.size() < order_number) return {}; T new_path{}; for(uint8_t i=0;i<path.size()-(order_number-1);i+=(order_number-1)) { T tmp = BezierCurve(T(&path[i],&path[ i + order_number])); new_path.insert(new_path.begin(),tmp.begin(),tmp.end()); } return new_path; } int main(int argc, char const* argv[]) { while (1) { cout<< endl; cout<< endl; cout<< endl; vector<Point2f> path; RNG rng; for (int i = 1; i <8; i++) path.push_back(Point2f(i * 800 / 8, random() % 800));//rng.uniform(0,800)));//cvRandInt(rng) % 800)); Mat img(900, 1200, CV_8UC3); img = 0; for(uint8_t i =0;i < path.size() -1;i++) { cout<< path[i]<< ","<< endl; line(img,Point(path[i].x, path[i].y),Point(path[i+1].x, path[i+1].y), Scalar(255, 0, 0), 16, LINE_AA, 0); } cout<< endl; // imshow("line", img); for (int i = 0; i < path.size(); i++) circle(img, path[i], 3, Scalar(0, 0, 255), 10); //BGR // vector<Point2f> bezierPath = bezierCurve(path); vector<Point2f> bezierPath = UseBezierOptimizePath(path,4); for (int i = 0; i < bezierPath.size(); i++) { // circle(img, bezierPath[i], 3, Scalar(0, 255, 255), 3); //BGR img.at<cv::Vec3b>(cvRound(bezierPath[i].y), cvRound(bezierPath[i].x)) = { 0, 255, 255 }; // printf("pose(%f %f)\n",bezierPath[i].x,bezierPath[i].y); imshow("black", img); // waitKey(10); } if (waitKey(0) == 'q') break; } return 0; }
显示效果如下：
三阶
四阶
结语
这就是我自己的一些使用塞尔曲线的使用分享。如果大家有更好的想法和需求，也欢迎大家加我好友交流分享哈。
