数学之美——Reeds-Shepp 曲线与 Dubins 曲线

Reeds-Shepp 曲线与 Dubins 曲线是平面内连接指定位姿的两点之间、满足曲率约束的最短路径曲线，在路径规划（Path Planning）领域广泛应用。

特性	Dubins 曲线	Reeds-Shepp 曲线
提出年份	1957 年	1990 年
运动方向	仅允许前进（单向）	允许前进和后退（双向）
路径类型数	6 种	48 种（后简化为 46 种）
路径段数	最多 3 段	最多 5 段
最短路径	通常更长（运动受限）	通常更短（可后退优化）
典型应用	无人机、固定翼飞行器	自动泊车、仓储机器人
碰撞容错	存在无碰撞路径时不一定有 Dubins 无碰撞路径	存在无碰撞路径时一定存在 RS 无碰撞路径

关于 Reeds-Shepp 路径类型数量的说明：不同资料记载有48、46或44种。最新资料指出有44种运动类型组合，另有资料提到Reeds-Shepp基础曲线类型有五种。早期的48种中已有2种被证明冗余，剩余46种。作为基础记忆，48种是常见的原始表述。

1、车辆运动模型

两者的基础车辆模型基本一致，通常使用 简单汽车模型（Simple Car Model）：

x˙=vcos⁡θy˙=vsin⁡θθ˙=vLtan⁡ϕ \dot{x} = v \cos \theta \\ \dot{y} = v \sin \theta \\ \dot{\theta} = \frac{v}{L} \tan \phi x˙=vcosθy˙=vsinθθ˙=Lvtanϕ

其中，(x,y)(x, y)(x,y) 为车辆位置，θ\thetaθ 为航向角，vvv 为速度，LLL 为轴距，ϕ\phiϕ 为前轮转向角。曲率 κ\kappaκ 受限于 κmax=1/ρmin\kappa_{\text{max}} = 1/\rho_{\text{min}}κmax=1/ρmin（即车辆存在一个最小转弯半径 ρ\rhoρ）。

Reeds-Shepp 的运动模型 增加了一个方向控制变量 u1∈{−1,1}u_1 \in \{-1, 1\}u1∈{−1,1}，表示前进或后退：

x˙=u1cos⁡θy˙=u1sin⁡θθ˙=u1⋅u2(其中 u2∈[−tan⁡ϕmax,tan⁡ϕmax]) \dot{x} = u_1 \cos \theta \\ \dot{y} = u_1 \sin \theta \\ \dot{\theta} = u_1 \cdot u_2 \quad (\text{其中 } u_2 \in [-\tan \phi_{\text{max}}, \tan \phi_{\text{max}}]) x˙=u1cosθy˙=u1sinθθ˙=u1⋅u2(其中 u2∈[−tanϕmax,tanϕmax])

2 、路径描述与分类

2.1、运动基元（Motion Primitives）

两种曲线都由以下基本动作组成，其中 Reeds-Shepp 额外区分了前进与后退：

符号	含义	符号	含义
S (Straight)	直线运动
L (Left)	左转圆弧	R (Right)	右转圆弧
L⁺	左转前进	L⁻	左转后退
R⁺	右转前进	R⁻	右转后退
S⁺	直线前进	S⁻	直线后退

2.2、Dubins 路径类型

Dubins 证明了最短路径不会超过3个运动基元，并可分为两大族：

族	包含类型
CSC 族（圆弧-直线-圆弧）	LSL, RSR, LSR, RSL
CCC 族（圆弧-圆弧-圆弧）	LRL, RLR

2.3、Reeds-Shepp 路径类型

Reeds-Shepp 路径最多5段，基础形式更为复杂。其基础词主要包括：

基础词	路径形式
CSC	圆弧 + 直线 + 圆弧
CCC	圆弧 + 圆弧 + 圆弧
CCCC	四段圆弧组合
CCSC	圆弧 + 圆弧 + 直线 + 圆弧
CSCS 等	其他组合形式

通过在基础词中加入方向符号，共展开为 48 种具体组合 。这些组合分为 CCC、CSC 和 CCSCC 三大类。

3、理论基础

Dubins (1957年) ：证明了最短路径必为 6 种类型 之一。
Reeds & Shepp (1990年) ：证明了可后退汽车的 48 种路径词 包含所有最优解。
Sussman & Tang ：后续将 RS 路径精炼为 46 种有效组合。

两者均体现了庞特里亚金极大值原理，时间最优路径均由最大曲率弧段和直线段构成，呈现 bang-bang 控制 特性。

4、计算方法与算法

核心目标：计算连接起点 qIq_IqI 和终点 qGq_GqG 的最小路径长度。

4.1、求解流程

位姿归一化：计算相对位姿，简化问题。
候选路径生成：枚举所有可能的路径类型组合。
长度计算：为每种组合计算具体的弧长和线段长度。
最优选择：从所有可行路径中选出总长度最短的那一条。

4.2、分类简化

现代实现常利用对称性和分区方案来减少计算量，而非直接枚举所有组合。

对于 Reeds-Shepp 曲线，可利用对称性 将 48 种组合化简，例如只需推导 L⁺S⁺R⁺，其他 CSC 类型可通过对称变换得到，从而降低编码工作量。

5、几何结构与特性

曲率约束 ：所有弧段曲率 ≤κmax\leq \kappa_{\text{max}}≤κmax。
长度计算：路径总长为各段弧长与直线段长度之和。
Dubins 闭集：6 种路径构成了一个有限闭集，保证最优路径一定在其中。
对称性：利用对称变换（如时间翻转、反射变换、反向变换）可以极大地简化路径的生成和分析。
RS 的复杂性：Reeds-Shepp 状态空间的复杂分区使得实时选择最短路径词比 Dubins 更具挑战性。

6、应用场景

自动驾驶/机器人 ：RS 曲线广泛用于自动泊车，因为倒车是必要操作。
无人机 (UAV) ：Dubins 曲线常用于固定翼无人机，因为其不能悬停或倒飞。
采样规划：作为局部规划器生成符合车辆动力学的平滑路径。
矿区自动驾驶：基于 Dubins 曲线提出无碰撞、平滑的局部路径规划方法。
农业与环境监测：用于非完整约束机器人在狭窄通道中的导航。

7、对比分析

可达性：RS 可达集更大，可完成更紧凑的机动（如泊车）。Dubins 则无法到达某些需要倒车才能进入的区域。
路径长度：RS 路径长度 ≤ Dubins 路径长度，实验验证允许倒车可显著缩短距离。
计算成本：RS 曲线候选集更大（46 vs 6），计算成本更高，但通过对称性技巧可有效缓解。
障碍物环境：在存在障碍物时，起点和终点间存在无碰撞路径，RS 曲线仍一定存在无碰撞的版本；但 Dubins 曲线不一定存在。
度量性质 ：Dubins 距离不对称 （d(A,B)≠d(B,A)d(A,B) \neq d(B,A)d(A,B)=d(B,A)），RS 距离是对称的。

8、局限性与扩展

非完整约束：两者均为具有最小转弯半径的非完整约束模型。
障碍物问题：标准模型假设为无障碍物环境，有障碍物时需与搜索算法（如混合A*）结合使用。
曲率连续性 ：两者在分段连接处曲率不连续，可能导致车辆需要原地转向，产生了对连续曲率曲线（如回旋曲线/CC Steer）的研究。
动力学扩展 ：出现考虑环境流（风/洋流） 的 Dubins 路径规划，以及可变半径的 Reeds-Shepp 曲线，以适应复杂场景。

9、实际案例与实现

OMPL/ROS ：ompl::base::DubinsStateSpace 和 ompl::base::ReedsSheppStateSpace 中提供了成熟的实现，可直接作为状态空间的距离函数（State Space Distance）。
MATLAB ：提供 reedsSheppConnection 函数。
Python ：PyPI 上的 reeds-shepp 和 dubins 包提供了开箱即用的解决方案。

10、总结

Reeds-Shepp 曲线与 Dubins 曲线是解决平面内两点之间受曲率约束的最短路径问题的经典方法，两者核心对比如下：

Dubins 曲线 （1957）是单向运动的经典基础，以有限6种类型高效生成最短路径，在固定翼无人机等无法倒车的场景中具有重要应用价值。
Reeds-Shepp 曲线 （1990）通过允许双向运动（倒车）实现了更优路径，虽然候选路径类型增至46-48种，计算复杂度更高，但在自动泊车等需要倒车操作的场景中不可或缺。

两者为现代机器人运动规划奠定了坚实的数学基础。尽管在连续曲率和障碍物处理上存在局限，但通过与搜索算法的结合（如混合A*）以及连续曲率平滑后处理，它们至今仍是采样规划器等复杂系统中最常用的局部规划器之一。