interpolate.splev 函数 利用B样条和它的导数进行插值,interpolate.splev课展现二维曲线插值

本文通过使用Scipy库中的`splprep`和`splev`函数,展示如何基于B样条进行参数曲线插值,并绘制插值后的二维曲线。通过对时间变量t的正弦和余弦函数操作,构造出圆形轨迹,再利用参数插值方法逼近原始轨迹。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#p100下半部分
#4.1.2scipy
#例子2 interpolate.splev 函数  利用B样条和它的导数进行插值,interpolate.splev课展现二维曲线插值
import numpy as np
import matplotlib.pyplot as plt
import scipy as sp
from scipy.interpolate import splprep #增加该行


t=np.arange(0,2.5,.10)#0到2.5之间生成一个一维数组,差值0.10
x=np.sin(2*np.pi*t)
y=np.cos(2*np.pi*t)
tcktuples,uarray=sp.interpolate.splprep([x,y],s=0)
unew=np.arange(0,1.01,0.01)
splinevalues=sp.interpolate.splev(unew,tcktuples)
          
plt.figure(figsize=(10,10))
#plt.plot(x,y,'x',splinevalues[0],splinevalues[1],np.sin(2*np.pi*unew),np.cos(2*np.pi*unew),x,y,'b')
plt.plot(x,y,'x')#linear#圆--离散点
#plt.plot(splinevalues[0],splinevalues[1])#圆
#plt.plot(np.sin(2*np.pi*unew),np.cos(2*np.pi*unew))#圆
#plt.plot(np.sin(2*np.pi*unew))#线
#plt.plot(np.cos(2*np.pi*unew))#线
#plt.plot(x,y,'b')#多边形


plt.legend(['Linear','Cubic Spline','True'])
plt.axis([-1.25,1.25,-1.25,1.25])
plt.title('Parametric Spline Interpolation Curve')
plt.show()
### B样条曲线在路径规划中的应用 #### 使用B样条曲线进行路径规划的优势 B样条曲线因其良好的局部控制特性连续性,在路径规划领域被广泛采用。这种曲线能够通过给定的控制点生成一条平滑且安全的路径,同时保持较高的灵活性可控性[^1]。 #### 准均匀三次B样条曲线的选择依据 考虑到二阶导数连续性的需求,准均匀三次B样条曲线成为轨迹规划的理想选择。这类曲线不仅能满足平滑过渡的要求,还能有效减少执行过程中可能出现的抖动现象[^2]。 #### 结合优化算法的应用实例 为了进一步提升路径的安全性效率,可以先利用某种全局搜索算法(如灰狼算法)获取初步解集,再借助B样条曲线对这些候选路径实施精细化调整。此过程能显著改善原始路径的质量,使之更贴合实际应用场景的需求[^3]。 #### Python实现示例 下面给出一段简单的Python代码片段,展示了如何基于已知的关键节点构建并绘制出对应的B样条曲线: ```python import numpy as np from scipy.interpolate import BSpline, splprep, splev import matplotlib.pyplot as plt # 定义若干个控制点(这里假设为二维平面内的坐标) control_points = [[0., 4., -1., 7.], [1., 5., 9., 3.]] # 计算B样条参数tck=(t,c,k),其中k=3代表使用三阶B样条 tck, u = splprep(control_points) # 插值得到更多采样点用于绘图展示 u_new = np.linspace(u.min(), u.max(), 100) x_new, y_new = splev(u_new, tck) plt.figure(figsize=(8,6)) plt.plot(x_new, y_new,'b-',label='BSpline') for i in range(len(control_points[0])): plt.scatter([control_points[0][i]], [control_points[1][i]], color="red", s=50) plt.legend() plt.show() ``` 上述程序首先导入必要的库文件;接着设置几个随机分布的控制点作为输入数据源;之后调用`scipy`包下的`splprep()`函数计算所需的B样条系数矩阵`tck`以及相应的参数向量`u`;最后通过`splev()`方法沿指定区间内均匀取值完成插值运算,并将结果可视化呈现出来。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值