简介《计算机图形学》教学课件以自由曲线与曲面为核心系统讲解参数矢量方程、矢函数求导、自然参数方程、曲率与法矢量等数学基础并梳理从Ferguson参数三次曲线到Bezier、B样条及NURBS的表示方法发展脉络适合高校学生与图形学初学者用于课程学习或复习巩固。资源为单个PDF文件大小约18.96MB内容覆盖曲线曲面分类、标准与拟合造型、曲面切矢法矢等关键知识点配合课件中的公式推导与图示说明便于读者独立阅读和对照教材深入理解。该课件已吸引557人学习下载作为兼顾理论推导与历史演进的入门级教学资料可帮助使用者快速建立计算机图形学中曲线曲面表示的整体框架并为后续三维建模、CAD/CAE应用打下基础。1. 自由曲线曲面CAD 建模绕不开的数学底子拿到一份汽车外形点云数据直接用折线连起来曲面会像刀片一样割手用标准方程硬套又根本套不出一个水滴形车身的截面。真正让工程模型变光顺、可调整、能进入数控加工的是自由曲线曲面这套参数化数学工具。这份《计算机图形学》教学课件正落在第六章“自由曲线曲面”上从 1963 年 Ferguson 的参数三次曲线到 70 年代 Bezier 和 de Boor 的 B 样条再到 80 年代定型 NURBS把六十年的表示法演进按数学脉络讲清楚了。对做 CAD/CAE、游戏建模、点云后处理或科学可视化的开发者来说读它不只是补图形学理论更是搞懂“控制点怎么摆、节点向量怎么设、连续性怎么验”这件事的起点。2. 参数化表示与矢函数求导自由曲线的第一块基石2.1 为什么标准方程不够用课件里把曲线曲面分成两类标准曲线曲面圆、椭圆、抛物线、球可以用数学方程直接描述拟合曲线曲面不行只能靠离散数据点构造。设计场景里大量遇到的是后者——风洞实验测得的压力分布点、三维扫描仪采到的车身型面点、地质等值线图上的高程点全是离散数据。标准方程的一个问题是表达能力的边界函数关系y f(x)天然要求一个 x 对应一个 y而车身侧面轮廓、螺旋桨叶片截面这类形状在投影面上往往是多值的一个 x 对应好几个 y。另一个问题是局部控制改一个数据点整条曲线都要重新计算这在交互式设计里完全不可用。课件给出的解法是引入单参数矢函数C(u) [x(u), y(u), z(u)], u ∈ [0, 1]这条式子的含义很直接不把曲线看作 x 到 y 的映射而是看作一个动点在空间里随参数 u 运动留下的轨迹。x(u)、y(u)、z(u) 各自是 u 的标量函数只要把 u 从 0 到 1 连续取值就能得到曲线上每一帧的位置。参数化之后曲线在某个点的“走向”不再依赖坐标轴方向而是由导矢C(u)决定。我一般会把 u 的区间统一归一化到 [0,1]原因后面参数表示一节会提到区间 [a,b] 到 [0,1] 的仿射变换只引入一个缩放因子不影响曲线形状却能让后续的矩阵运算和程序接口统一。2.2 矢函数求导与切矢算“往哪走”而不是“在哪儿”课件里推导了一个关键操作参数 u 增加 Δu 时位置矢量从 C(u) 移到 C(uΔu)割线方向是[C(uΔu) - C(u)] / Δu当 Δu 趋于 0这个方向就把割线转成切线得到一阶导矢C(u)。工程上这个操作的意义是给定任意参数曲线想求曲线上某一点的切线方向不是去解方程而是对三个分量分别求导再合成矢量。下面用 SymPy 演示一个空间曲线的切矢计算import sympy as sp u sp.symbols(u, realTrue) # 定义一条三次空间曲线 C(u) [u^2, u^3, sin(u)] Cu sp.Matrix([u**2, u**3, sp.sin(u)]) # 一阶导矢切矢方向 dCdu sp.diff(Cu, u) dCdu_simplified sp.simplify(dCdu) print(位置矢量 C(u):, Cu.T) print(切矢 C(u):, dCdu_simplified.T)代码逻辑sp.diff对矩阵的每个分量独立求导返回的是导矢的符号表达式。以 u0.5 为例位置矢量是 (0.25, 0.125, 0.479)切矢是 (1.0, 0.75, 0.878)把切矢归一化后就能得到该点的单位切线。这里要区分一个常见误用切矢C(u)的方向随参数化方式改变。同一段曲线用弧长参数化和用均匀参数化得到的切矢模长不同但方向一致。课件在 2.3 节引入自然参数方程正是为了解决这个模长不确定的问题。2.3 自然参数方程与弧长让切矢变成单位矢量自然参数方程的核心是用弧长 s 代替任意参数 uC C(s)。课件给的弧长微分公式是(ds)^2 (dx)^2 (dy)^2 (dz)^2引入参数 u 后改写为ds/du |C(u)|即弧长对参数的变化率等于切矢的模长。这个式子给出了从任意参数化转换到自然参数化的桥梁先算出整条曲线的弧长函数 s(u)再反解 u(s)。在纯数值程序里我不会真的去解析求反函数而是直接做累计弦长近似。对离散点列弧长的数值近似就是相邻点欧氏距离的累加import numpy as np # 离散型值点每行一个三维坐标 pts np.array([ [0.0, 0.0, 0.0], [0.2, 0.4, 0.1], [0.5, 0.8, 0.3], [0.9, 1.2, 0.6], [1.4, 1.5, 0.9] ]) # 相邻点距离numpy.linalg.norm 对每个行向量求模 seg_lens np.linalg.norm(np.diff(pts, axis0), axis1) # 累计得到弧长参数 s首点 s0 s np.concatenate([[0.0], np.cumsum(seg_lens)]) print(累计弧长:, s) print(总弧长:, s[-1])参数说明np.diff(pts, axis0)计算相邻点差值axis1让norm对每个差值向量取模得到一段微弧长np.cumsum做累计求和结果 s 近似代表了“到第 i 个点为止的弧长”。这段代码在课件里对应的就是“用弧长积分公式或累计弦长公式计算 s”这句话。把 s 归一化后重新作为参数对曲线插值切矢模长就稳定了。这个操作在后续曲率计算里极其重要因为曲率公式κ |C(s)|只在自然参数下成立。3. 曲率、法矢量与连续性判断曲面光不顺的三把尺子3.1 Frenet 标架切矢、主法矢、副法矢有了自然参数方程 C(s)课件推导出第一条重要性质单位切矢T(s) C(s)的模长为 1对两边平方求导得到T(s) · T(s) 0说明T(s)垂直于 T(s)。于是存在标量函数 κ(s) 与单位矢量 N(s)满足T(s) κ(s) · N(s)κ(s) 是曲率N(s) 是主法矢指向曲线凹入方向再由B(s) T(s) × N(s)定义副法矢。这三者构成曲线在每一点的 Frenet 活动标架是后续曲面切平面、法矢计算的基础。工程上主法矢的方向直接决定了曲线弯曲朝向哪一侧。在车身 A 柱设计中主法矢方向要平滑过渡否则光照下会出现高光断层。副法矢 B(s) 则常用于判断曲线是否发生扭转——如果 B 的方向出现跳变说明曲线在空间里发生了尖点式的屈曲。对离散数据点无法直接求二阶导常见做法是用三点外接圆估计曲率import numpy as np def curvature_from_three_points(p0, p1, p2): 通过三点外接圆半径估算曲率。 p0, p1, p2: 相邻的三个数据点形状为 (3,) # 径向向量 v1 p0 - p1 v2 p2 - p1 # 叉积模 |v1|*|v2|*sin(夹角)对应外接圆面积二倍 cross_norm np.linalg.norm(np.cross(v1, v2)) # 三边边长 a np.linalg.norm(v1) b np.linalg.norm(v2) c np.linalg.norm(p2 - p0) # 外接圆半径 R abc / (4 * 面积)曲率 1/R if cross_norm 1e-12: return 0.0 # 三点共线曲率为 0 radius (a * b * c) / (2.0 * cross_norm) return 1.0 / radius # 测试取三点构成一个半径约 1 的圆弧 p0 np.array([1.0, 0.0, 0.0]) p1 np.array([0.0, 1.0, 0.0]) p2 np.array([-1.0, 0.0, 0.0]) kappa curvature_from_three_points(p0, p1, p2) print(估算曲率:, kappa) # 约 1.0参数说明np.cross计算三维叉积模长是平行四边形面积的两倍对应外接圆面积公式里的“2×面积”项。1e-12是共线容差实际数据里要根据点云尺度调整。这段代码直接把课件里ρ(s) 1/κ(s)的符号定义转成了可运行的数值计算。3.2 参数连续性与几何连续性C 连续和 G 连续差在哪课件明确区分了两种连续性参数连续性C 阶数和几何连续性G 阶数。多段曲线拼接时这是判断“接缝处是否平滑”的核心标准。连续性数学条件工程含义常见问题C0 / G0端点位置重合曲线不断开端点坐标误差C1 / G1切矢方向一致G1 不要求模长相等切线方向没折角速度突变但方向平滑C2 / G2二阶导矢方向一致G2 对应曲率连续曲率不跳变高光连续曲率梳断层、反光撕裂Cnn 阶导矢连续更高阶光滑计算成本随 n 上升关键区别C1 要求C1(u)和C2(u)在连接点完全相等包括模长G1 只要求方向平行。类比理解G1 连续是两条路在路口方向一致但车速可以不同C1 连续要求到达路口的瞬间速度矢量也完全一样。对 CAD 曲面来说G2 是外观质量的入场券C2 是进一步做动力学仿真时的数学保险。3.3 用曲率梳做可视化验证曲率光不顺、高光断裂这类问题单看控制点网格基本看不出来。我常用的验证手段是画曲率梳curvature comb在曲线每个采样点沿法矢方向画一条长度等于该点曲率 k 倍的短线曲率变化剧烈的地方梳齿长度会突然变长或反向。import matplotlib.pyplot as plt # 沿用上面的三点曲率估计函数对整条曲线逐点计算 # sample_x, sample_y: 曲线采样点坐标 # normals: 每点的法矢由切矢旋转 90 度得到 # curvatures: 每点曲率 # 绘制曲率梳短线的长度 曲率 * 缩放系数 scale 10.0 for i in range(len(sample_x)): dx normals[i][0] * curvatures[i] * scale dy normals[i][1] * curvatures[i] * scale plt.plot([sample_x[i], sample_x[i] dx], [sample_y[i], sample_y[i] dy], colorsteelblue, linewidth0.8)逻辑说明曲率梳本质是把标量曲率映射为可视化长度。缩放系数scale需要按曲线整体尺度调整模型尺寸大如船体时取大值小零件取小值否则梳齿要么缩成一团、要么穿出画面。曲率梳在连接点上的齿长突变基本就对应 G2 连续被破坏。4. 从 Ferguson 到 NURBS六十年自由曲线表示法演进4.1 三代表示法与各自的痛点课件里有一段“曲线曲面数学描述的发展”时间线这是全篇信息密度最高的部分之一。把这些年表拆开看本质是三个问题在推动演进如何用尽量少的控制参数描述复杂形状、如何让局部修改不波及其他区域、如何统一表示自由曲线与圆锥曲线。年代提出者/机构方法核心思想代价或局限1963Ferguson波音参数三次曲线用两个端点位置与切矢定义曲线中间形状不可控1964CoonsMIT双三次曲面片四条边界曲线定义曲面跨界连续性难保证1964Schoenberg宾大参数样条曲线分段多项式拼接数学复杂缺乏直观控制手段1971Bezier雷诺控制多边形曲线被控制点“拉拽”全局性动一点全曲线变1972de Boor威斯康星B 样条标准算法局部支撑、节点向量分段节点向量设置不直观1980sPiegl / TillerNURBS非均匀有理 B 样条带权重参数维度多调权重大从博文读者角度看这个演进刚好回答了“为什么工业软件里的曲线叫 NURBS 而不是 Bezier”Bezier 全局拖动的问题在生产流程里不可接受——设计师只想微调车头一个控制点结果车尾也跟着动了。B 样条引入节点向量把曲线分成多段每段只受邻近控制点影响局部支撑特性才让它成为几何内核的现实选择。4.2 Bezier 与 de Casteljau先跑通最简单版本不管最终用不用 Bezier我建议先实现一遍 de Casteljau 递推。它逻辑最短却能快速验证你对控制点影响的直觉import numpy as np def de_casteljau(points, u): points: 控制点列表如 [P0, P1, P2, P3] u: 参数值范围 [0, 1] 返回曲线上参数 u 处的点 pts [np.array(p, dtypefloat) for p in points] # 逐层线性插值每轮减少一个点 while len(pts) 1: pts [(1.0 - u) * pts[i] u * pts[i 1] for i in range(len(pts) - 1)] return pts[0] # 一条三次 Bezier 曲线四个控制点 ctrl [(0, 0), (1, 3), (3, -1), (4, 2)] # 采样 50 个参数点 samples [de_casteljau(ctrl, u) for u in np.linspace(0, 1, 50)]代码说明外层while每次迭代减少一个控制点当只剩一个点时就是曲线上位置。线性插值系数1-u和u对应课件里的区间仿射变换思想。把 samples 画出来能直观看到曲线起点在 P0、终点在 P3中间点 P1、P2 像磁铁一样把曲线往自己方向拉——这就是“控制多边形定义曲线”的直观解释。Bezier 全局性问题在于 Bernstein 基函数在整个 [0,1] 区间上非零。移动 P1 会改变所有参数 u 处的基函数值也就是整条曲线都受影响。4.3 B 样条局部支撑才是 B 样条存在的理由B 样条的核心改进是把参数域用节点向量knot vector分段每段是一个低次多项式。基于递推定义def bspline_basis(i, k, u, knots): 计算第 i 个 k 次 B 样条基函数在参数 u 处的值。 knots: 节点向量如 [0, 0, 0, 1, 2, 3, 3, 3] if k 0: # 0 次基函数在节点区间内取 1否则取 0 return 1.0 if knots[i] u knots[i 1] else 0.0 # 递推两项加权求和 # 前一项的分子分母分母为 0 时该项约定为 0 coeff1 0.0 denom1 knots[i k] - knots[i] if denom1 0: coeff1 (u - knots[i]) / denom1 * bspline_basis(i, k - 1, u, knots) coeff2 0.0 denom2 knots[i k 1] - knots[i 1] if denom2 0: coeff2 (knots[i k 1] - u) / denom2 * bspline_basis(i 1, k - 1, u, knots) return coeff1 coeff2 # 测试三次均匀 B 样条节点向量采用 clamped 形式 knots [0, 0, 0, 0, 1, 2, 3, 3, 3, 3] # 求第 2 个基函数在 u1.5 处的值 value bspline_basis(2, 3, 1.5, knots) print(N_2,3(1.5) , value)参数说明k是次数3 为三次i是节点区间索引。递推式里分母为 0区间长度为零时该项直接取 0这是 B 样条处理重复节点的标准约定。了解这个原因能避免写代码时除零崩溃。节点向量设计是 B 样条的实际难点。clamped 形式首尾节点重复 k1 次让曲线通过首尾控制点是工程最常用的方式均匀节点向量则让曲线不经过首尾点适合做近似拟合。4.4 NURBS加一个权重解决圆锥曲线的精确表示B 样条仍受限于多项式无法精确表示圆弧、椭圆。NURBS 的做法是对每个控制点配一个权重 w曲线定义为C(u) Σ (N_i,k(u) · w_i · P_i) / Σ (N_i,k(u) · w_i)工程收益很直接同一套数据结构可以表示直线段、圆弧、自由曲面不用像早期 CAD 那样在解析几何和自由格式之间来回切换。权重 w_i 调大的效果是把曲线往控制点 P_i 方向拉调小则推远。CAD 软件里常见的“权重/丰满度”滑块内部改的就是这个 w。课件里提到 80 年代 Piegl 和 Tiller 的研究本质上就是把此前分散在数值分析领域的方法标准化。现在 NURBS 已经是 STEP 交换格式、OpenGL 内部求交器、常见几何内核里的标准表达。对应用开发者来说掌握 Bezier 和 B 样条递推这两组代码再理解权重与节点向量两个参数维度就足够阅读 NURBS 接口的文档了。5. 插值、逼近与拟合把离散点变成光顺曲线的落地实践5.1 先分清三个概念型值点、控制点与设计方法课件第 19 页把“插值、逼近、拟合”放在一起做区分这组概念在实际工程里太关键了型值点测量或计算得到的、描述形状的离散数据点曲线不一定通过它。控制点用于控制或调整形状的点曲线不一定经过它。插值设计构造的曲线严格通过每个型值点。逼近设计构造的曲线近似接近型值点但不一定通过。拟合插值或逼近方法的统称目标是满足特定设计要求。一个常见项目场景是三坐标测量机采回几百个点要建一条光滑的特征线。如果直接插值全部点噪声会变成锯齿如果只用少量控制点做逼近又担心丢掉真实形状特征。我一般先做平滑预处理再用样条插值最后用曲率梳验证——三步走。5.2 用 scipy 做三次样条插值最直接可用的是CubicSpline它默认在每段使用三次多项式保证 C2 连续from scipy.interpolate import CubicSpline import numpy as np # 离散型值点例如从 PDF 里的实验数据表格提取 t np.array([0.0, 0.4, 0.8, 1.4, 2.1, 3.0]) # 可以是弧长参数 x np.array([0.0, 0.6, 1.5, 2.4, 3.2, 4.0]) y np.array([0.0, 0.3, 0.9, 1.2, 1.1, 0.8]) # 构造三次样条插值 cs_x CubicSpline(t, x, bc_typenatural) cs_y CubicSpline(t, y, bc_typenatural) # 重新采样生成光顺曲线点列 t_dense np.linspace(t[0], t[-1], 200) curve_x cs_x(t_dense) curve_y cs_y(t_dense)参数说明bc_type控制边界条件natural将端点二阶导置为零曲线在两端自然趋于直线最适合数据本身没有明确端点切矢的场景clamped需要指定端点导数值适合已知进出方向比如汽车保险杠两端有明确的拔模方向periodic用于闭合轮廓。CubicSpline已经保证了 C2 连续可以直接拿去给数控加工路径用。5.3 细分数、噪声与过冲从曲率梳上看真实问题样条插值不是点越多越好。数据点带测量噪声时强制通过每一个点会把噪声当作真实特征放大结果曲线出现额外波浪。一个典型体验是扫描点云采得很密插值后曲率梳像梳齿错位一样乱跳零件表面反而更粗糙。处理这类问题常见做法是在插值前对数据做 Savitzky-Golay 平滑from scipy.signal import savgol_filter x_smooth savgol_filter(x, window_length5, polyorder2) y_smooth savgol_filter(y, window_length5, polyorder2) # 再用平滑后的点做插值 cs_x CubicSpline(t, x_smooth, bc_typenatural)参数说明window_length是滑动窗口大小必须是奇数数值越大平滑越强polyorder是拟合多项式阶数一般取 23过大会保留噪声。窗口大小取数据点数的 1/5 到 1/10 比较安全。平滑之后再插值结合曲率梳检查很少出现失控过冲。5.4 最后一步验证而不是目测目测曲线“看上去挺顺”在工程交付里没有说服力。收尾验证我会做三件事一、回代误差检查。把原始型值点带入插值后的曲线计算最大偏差orig_x_restored cs_x(t) max_err np.max(np.abs(orig_x_restored - x))对插值型设计这个值应该接近浮点精度对逼近型设计需要控制在公差范围内。二、曲率梳输出为 SVG 或 PDF 叠加到曲线图上交给下游工程师评审。评审标准就一条连接点处梳齿长度是否发生跳变。三、检查端点切矢是否与相邻曲面对齐。把cs_x.derivative()(t[-1])和cs_y.derivative()(t[-1])合成切矢与相邻曲面边界切矢做叉积叉积模小于容差即视为 G1 满足——这个操作直接对应课件里“切线方向连续”的几何连续性定义。本文还有配套的精品资源点击获取