如何用Cubic Spline创建赛道？解决x非严格递增报错问题

核心思路 #

三次样条要求自变量严格递增是因为它默认遵循“x为自变量、y为单值因变量”的逻辑，但赛道的x坐标必然存在非单调（比如弯道、回环）的情况，所以绕开x作为自变量，改用独立的参数化插值是最优解，完全满足仅用两组(x,y)数组的要求。

方案1：参数化三次样条（推荐） #

将x和y都视为严格递增参数t的函数，t可以直接用原始坐标的索引值（天然严格递增），彻底避开x的单调性限制，还能保证赛道曲线的平滑性。

示例代码：

import numpy as np
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt

# 你的原始赛道坐标数组
x = np.array([1, 3, 2, 4, 5, 3])
y = np.array([2, 5, 3, 6, 4, 7])

# 创建严格递增的参数t（用索引即可）
t = np.arange(len(x))

# 分别生成x(t)和y(t)的三次样条插值函数
spl_x = make_interp_spline(t, x, k=3)
spl_y = make_interp_spline(t, y, k=3)

# 生成密集的t值，得到平滑的赛道坐标
t_dense = np.linspace(t.min(), t.max(), 1000)
x_smooth = spl_x(t_dense)
y_smooth = spl_y(t_dense)

# 绘制结果
plt.plot(x_smooth, y_smooth, label='平滑赛道')
plt.scatter(x, y, color='red', label='原始控制点')
plt.legend()
plt.show()

这个方法支持任意形状的赛道（包括回环、交叉），无需修改原始坐标数组，完全符合需求。

方案2：分段处理非单调区间 #

如果不想用参数化，可以将原始坐标按x的单调性拆分成多个子段，每个子段保证x严格递增（递减段反转即可），分别做三次样条后拼接结果。但这个方法需要手动判断分段，且衔接处的平滑性可能需要额外处理，适合简单赛道场景。

示例代码：

import numpy as np
from scipy.interpolate import CubicSpline
import matplotlib.pyplot as plt

x = np.array([1, 3, 2, 4, 5, 3])
y = np.array([2, 5, 3, 6, 4, 7])

# 手动拆分x单调的子段（示例按索引拆分）
segments = [(0, 2), (2, 5), (5, 6)]
x_smooth_all = []
y_smooth_all = []

for start, end in segments:
    x_seg = x[start:end]
    y_seg = y[start:end]
    # 确保当前段x严格递增，否则反转
    if not np.all(np.diff(x_seg) > 0):
        x_seg = x_seg[::-1]
        y_seg = y_seg[::-1]
    # 生成当前段的样条
    cs = CubicSpline(x_seg, y_seg)
    x_dense = np.linspace(x_seg.min(), x_seg.max(), 200)
    y_dense = cs(x_dense)
    x_smooth_all.extend(x_dense)
    y_smooth_all.extend(y_dense)

plt.plot(x_smooth_all, y_smooth_all, label='平滑赛道')
plt.scatter(x, y, color='red', label='原始控制点')
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者Nervior