B样条曲线（B-spline）是一种常用的参数曲线，广泛应用于计算机图形学、CAD、动画等领域。B样条曲线具有局部控制性、光滑性等优点。

1. B样条曲线的基本概念

B样条曲线是由一组控制点和一组基函数（Basis Functions）定义的。B样条曲线的数学表达式为：

$$C(u)=\sum _{i=0}^n{N}_{i,p}(u)\cdot P_i$$

其中：

• $(C(u))$ 是曲线上的点，$(u)$ 是参数。
• $(P_i)$ 是控制点。
• $(N_{i,p}(u))$ 是第 $(i)$ 个 $(p)$ 次B样条基函数。

2. B样条基函数的递推公式

B样条基函数 $(N_{i,p}(u))$ 是通过递推公式定义的：

$$N_{i,0}(u)=\{\begin{array}{ll}1& \text{if }{u}_i\le u<u_{i+1}\\ 0& \text{otherwise}\end{array}$$

对于 $(p>0)$，基函数的递推公式为：

$$N_{i,p}(u)=\frac{u-u_i}{u_{i+p}-u_i}{N}_{i,p-1}(u)+\frac{u_{i+p+1}-u}{u_{i+p+1}-u_{i+1}}{N}_{i+1,p-1}(u)$$

其中，$(u_i)$ 是节点向量（Knot Vector）中的节点。

3. 节点向量

节点向量 (U={u0,u1,…,um})( U = \{u_0, u_1, \dots, u_{m}\} )(U={u0​,u1​,…,um​}) 是一个非递减序列，决定了B样条曲线的形状。节点向量的选择对曲线的性质有重要影响。

4. C++实现

下面是一个简单的C++实现，用于生成B样条曲线。

#include <iostream>
#include <vector>
#include <cmath>

// 计算B样条基函数
double BsplineBasis(int i, int p, double u, const std::vector<double>& knots) {
    if (p == 0) {
        if (knots[i] <= u && u < knots[i + 1]) {
            return 1.0;
        } else {
            return 0.0;
        }
    } else {
        double coef1 = (knots[i + p] - knots[i] == 0) ? 0 : (u - knots[i]) / (knots[i + p] - knots[i]);
        double coef2 = (knots[i + p + 1] - knots[i + 1] == 0) ? 0 : (knots[i + p + 1] - u) / (knots[i + p + 1] - knots[i + 1]);
        return coef1 * BsplineBasis(i, p - 1, u, knots) + coef2 * BsplineBasis(i + 1, p - 1, u, knots);
    }
}

// 计算B样条曲线上的点
std::vector<double> BsplineCurve(const std::vector<std::vector<double>>& controlPoints, int p, const std::vector<double>& knots, double u) {
    std::vector<double> point(controlPoints[0].size(), 0.0);
    for (size_t i = 0; i < controlPoints.size(); ++i) {
        double basis = BsplineBasis(i, p, u, knots);
        for (size_t j = 0; j < point.size(); ++j) {
            point[j] += basis * controlPoints[i][j];
        }
    }
    return point;
}

int main() {
    // 控制点
    std::vector<std::vector<double>> controlPoints = {
        {0, 0},
        {1, 2},
        {2, 3},
        {4, 1},
        {5, 0}
    };

    // 节点向量
    std::vector<double> knots = {0, 0, 0, 0, 1, 2, 2, 2, 2};

    // B样条次数
    int p = 3;

    // 生成曲线上的点
    for (double u = 0.0; u <= 2.0; u += 0.1) {
        std::vector<double> point = BsplineCurve(controlPoints, p, knots, u);
        std::cout << "u = " << u << ": (" << point[0] << ", " << point[1] << ")" << std::endl;
    }

    return 0;
}

5. 代码说明

• BsplineBasis 函数用于计算B样条基函数。
• BsplineCurve 函数用于计算B样条曲线上的点。
• controlPoints 是控制点集合。
• knots 是节点向量。
• p 是B样条的次数。

6. 运行结果

运行上述代码，程序将输出B样条曲线在不同参数 $(u)$ 下的点坐标。

7. 总结

B样条曲线的生成依赖于控制点、节点向量和基函数的计算。通过递推公式可以高效地计算基函数，进而生成曲线。C++实现提供了一个简单的框架，可以根据需要进行扩展和优化。

其他说明：节点向量说明

B样条曲线的节点向量（Knot Vector） 是定义B样条的核心基础要素（与控制顶点、次数并列），本质是一组有序的实数序列，直接决定了B样条基函数的形状、支撑区间、分段特性，进而完全约束B样条曲线的分段拼接位置、光滑度、局部性、参数化范围等关键属性，没有节点向量就无法构造B样条基函数，也无法生成对应的B样条曲线。

简单来说：控制顶点决定曲线的“大致轮廓”，次数决定曲线的“光滑程度上限”，而节点向量决定曲线的“分段方式、光滑度实际值、局部影响范围”。

一、先明确节点向量的基本定义

对于p次B样条曲线，若有n+1个控制顶点（$P_0,P_1,...,P_n$），则对应的节点向量为有序实数序列：
$$U=[u_0,u_1,...,u_m],m=n+p+1$$
满足单调性：$u_0\le u_1\le ...\le u_m$，其中每个$u_i$称为节点，相邻节点的区间$[u_i,u_{i+1}]$称为节点区间，参数$u$的取值范围为$[u_0,u_m]$（通常归一化到$[0,1]$，称为标准节点向量）。

节点按重复次数可分为：

• 单节点：$u_i<u_{i+1}$，无重复；
• 重节点：$u_i=u_{i+1}=...=u_{i+k}$，重复次数为$k+1$（最大重复次数≤p+1，否则基函数无定义）。

二、节点向量的6大核心作用（从基础到进阶）

1. 定义B样条基函数的支撑区间，决定基函数的非零范围

B样条基函数$N_{i,p}(u)$是局部非零的（这是B样条优于贝塞尔曲线的核心特性之一），而其非零的参数区间完全由节点向量决定：
$N_{i,p}(u)$仅在节点区间$[u_i,u_{i+p+1}]$内非零，在区间外恒为0。
直接影响：某一控制顶点$P_i$仅通过基函数$N_{i,p}(u)$影响曲线在$[u_i,u_{i+p+1}]$的部分，修改单个控制顶点，仅改变曲线的局部形状，这就是B样条的局部性，而节点向量是局部性的“边界定义者”。

2. 划分B样条曲线的分段区间，决定曲线的分段拼接位置

p次B样条曲线是分段p次多项式曲线，其分段的分界点（拼接点） 恰好是节点向量中的非单节点（重节点/内部节点），且分段区间与节点向量的子区间一一对应：
曲线在参数区间$[u_k,u_{k+1}]$上是单一的p次多项式，当$u$跨越重节点时，曲线切换到下一个p次多项式段。
举例：3次（p=3）B样条，节点向量$U=[0,0,0,0,0.5,1,1,1,1]$，则曲线在$[0,0.5]$和$[0.5,1]$各为一段3次多项式，在$u=0.5$处拼接。

3. 控制曲线在节点处的光滑度，重节点降低光滑度

B样条曲线在节点$u=u_k$处的光滑度由节点的重复次数r决定，这是节点向量最核心的功能之一：
设p为B样条次数，节点$u_k$的重复次数为r（$1\le r\le p+1$），则曲线在$u_k$处的光滑度为$C^{p-r}$（即p-r阶连续可导）。
核心结论：重节点次数越高，光滑度越低；单节点光滑度最高，重节点次数=p+1时，光滑度为$C^{-1}$（曲线在该点不连续，出现折点/断点）。
经典举例（p=3，3次B样条）：

• 单节点（r=1）：$C^2$光滑（二阶导数连续，曲线极光滑）；
• 二重节点（r=2）：$C^1$光滑（一阶导数连续，曲线光滑，一阶导有折点）；
• 三重节点（r=3）：$C^0$光滑（仅位置连续，一阶导不连续，曲线有明显折点）；
• 四重节点（r=4=p+1）：$C^{-1}$不连续（曲线在该点断开）。

4. 决定B样条的参数化范围，归一化实现通用控制

节点向量的首尾节点$u_0$和$u_m$定义了曲线参数$u$的取值范围，工程中通常将其归一化到[0,1]（标准节点向量），使得曲线的参数化与实际几何尺寸解耦，方便统一计算和控制。
例如：无论曲线实际长度是100mm还是1000mm，都可通过归一化节点向量将参数u限定在[0,1]，基函数的计算规则完全一致，仅需对控制顶点做坐标缩放即可。

5. 区分B样条的类型（均匀/非均匀，开/闭）

节点向量的分布方式直接决定了B样条的类型，不同类型的B样条曲线具有截然不同的特性，适配不同的工程场景：

节点向量类型	分布特征	曲线特性	适用场景
均匀开B样条	节点等间距，首尾重节点次数=p+1（如p=3：[0,0,0,0,1,2,3,3,3,3]）	基函数平移不变，曲线两端插值首末控制顶点，局部性强	机械建模、路径规划（需贴合端点）
均匀闭B样条	节点等间距，无重节点（如p=3：[0,1,2,3,4,5,6]）	曲线闭合，基函数周期重复，光滑度一致	圆形/环形轮廓建模、闭合轨迹
非均匀B样条	节点间距不等，可按需设置重节点	可灵活调整分段位置和光滑度，局部可控性极致	自由曲面建模、复杂轮廓设计（如汽车车身）
准均匀B样条	内部节点等间距，首尾重节点次数=p+1	兼顾均匀B样条的简洁性和非均匀的端点插值特性	常规工业设计、简单路径生成

最常用：非均匀有理B样条（NURBS），其节点向量为非均匀分布，是CAD/CAM、机器人路径规划的核心基础，而节点向量的非均匀性是实现复杂轮廓精细控制的关键。

6. 约束控制顶点的影响范围，实现精准的局部修改

如前所述，p次B样条的第i个基函数$N_{i,p}(u)$的支撑区间为$[u_i,u_{i+p+1}]$，因此控制顶点$P_i$仅影响曲线在该区间的部分，影响范围的长度由节点向量的间距决定：

• 节点间距越小，控制顶点的影响范围越窄，曲线的局部修改越精准；
• 节点间距越大，控制顶点的影响范围越宽，曲线的整体平滑性越好。

工程价值：在机器人路径规划、CAD建模中，可通过加密局部节点向量（减小间距）实现对曲线局部段的精细调整（如路径的拐角处），而不影响曲线的其他部分，这是贝塞尔曲线（无局部性，修改一个控制点影响整条曲线）无法实现的。

三、节点向量与贝塞尔曲线的关联（理解本质）

贝塞尔曲线是B样条曲线的特殊情况：当p次B样条的节点向量为首尾重节点次数=p+1，且仅有一个节点区间时（如p=3：$[0,0,0,0,1,1,1,1]$），B样条基函数退化为贝塞尔基函数，B样条曲线退化为p次贝塞尔曲线。
本质：贝塞尔曲线的“节点向量”是极端特殊的重节点分布，导致其失去了B样条的局部性，而B样条通过通用的节点向量实现了对贝塞尔曲线的泛化和优化。

四、工程应用中的节点向量设计原则（实操要点）

1. 首尾重节点：工程中多采用开B样条，首尾节点重复次数=p+1，确保曲线插值首末控制顶点（贴合起始/终止位置，如机器人路径的起点和终点）；
2. 局部加密：在曲线需要精细调整/拐角处，减小节点间距、增加节点数量，让控制顶点的影响范围收窄，实现精准控制；
3. 光滑度匹配：在需要高光滑度的段（如机器人匀速路径）用单节点/二重节点，在需要折点的段（如路径的拐角）用三重节点（p=3），实现$C^0$连续；
4. 避免过度重节点：重节点次数不超过p+1（否则基函数无定义），且非必要不使用p+1次重节点（避免曲线不连续）；
5. 归一化：优先将节点向量归一化到[0,1]，方便后续的参数插值、速度规划（如将B样条的参数u与运动时间关联）。

五、一句话总结节点向量的核心价值

节点向量是B样条曲线的**“分段与光滑度控制器”**，通过定义节点的位置、间距和重复次数，既决定了B样条基函数的局部性和形状，又实现了曲线分段拼接、光滑度灵活调整、局部精准修改的核心特性，让B样条成为比贝塞尔曲线更通用、更适合工程复杂场景的曲线建模工具。

延伸：机器人路径规划中的节点向量设计示例

以3次（p=3）机器人路径规划为例，需生成从起点A到终点B，中间经过拐角C的路径，节点向量设计为：
$$U=[0,0,0,0,0.3,0.5,0.7,1,1,1,1]$$

• 首尾[0,0,0,0]和[1,1,1,1]：3次重节点（p+1），确保曲线插值起点A和终点B；
• 节点0.3/0.5/0.7：对应路径的平缓段/拐角C/平缓段，拐角C处（0.5）设二重节点，让曲线在该点为$C^1$连续，兼顾光滑度和拐角的精准性；
• 节点间距：0.3-0.5间距小，加密拐角处节点，实现拐角的精细控制。

这种设计通过节点向量实现了**“端点贴合+拐角精准+平缓段光滑”**的路径需求，是机器人B样条路径规划的典型做法。