样条插值计算方法

Python代码

插值计算方法

假设有$n+1$个有序点$P_k,k\in [0,n]$ , 样条曲线是构造$n$个多项式分段定义，分别以$P_i,P_{i+1}，i\in [0,n-1]$为起止点。相邻的多项式交界点$P_i$处应连续，且多阶可导。

以3次样条插值为例，说明其计算方法如下：

设每段多项式的方程为: $a_i{x}^3+b_i{x}^2+c_{i}x+d_i=p_i$

这样的多项式共有$n$个，需要求解$4n$个多项式系数。由每个多项式两端的坐标值可得到$2n$方程，再由相邻点处一阶，二阶导数相等可得$2(n-1)$个方程。另外增加两个初始条件，比如起点和终点处的速度或加速度，可得$4n$个方程，可求解所有的系数并计算每段曲线的方程式。

对于5次样条插值，多项式方程为： $a_i{x}^5+b_i{x}^4+c_i{x}^3+d_i{x}^2+e_{i}x+f_i=p_i$

由每个多项式两端的坐标值可得到$2n$方程，再由相邻点处一阶，二阶，三阶和四阶导数相等可得$4(n-1)$个方程。另外可附近4个初始条件，比如起止点处的速度和加速度值

同理可推算高更次的样条插值计算公式

样条插值

意思是用样条曲线的方式完成插值运算，这里需要把坐标表示为关于时间的参数方程：$x(t),y(t),z(t)$。这样才可以计算出插值轨迹的速度，加速度等。

如果是样条拟合的话，则表示为关于$x$的方程即可，如$y(x),z(x)$。

简化计算方法

三次样条有简化计算方法。

可参考论文： 六自由度串联机器人运动优化与轨迹跟踪控制研究

五次或更高次样条的计算没有找到相应的简化计算公式，但可以直接联立方程组求解。

计算结果与B样条对比

在初始速度为零的前提下计算三次样条插值 和三次B样条插值，得到插值轨迹和轨迹的速度如下图。

在初始速度为零的前提下计算五次样条插值 和五次B样条插值，得到插值轨迹和轨迹的速度如下图。

从上面的计算例子可以看出，样条曲线和B样条曲线计算的结果非常接近，没有想通是什么原因，暂时没有计算更高次的样条插值。