SPLINTER 样条插值库实战解析：SensorsCalibration 中多变量 B-spline 拟合与偏航角标定的底层基石

• 自动驾驶
• 计算机视觉

SPLINTER（SPLine INTERpolation）是一个面向多变量函数逼近的开源 C++ 库，以张量积 B-spline 为核心，支持函数逼近、回归、数据平滑与数据降维，并被 SensorsCalibration 项目中的 pose_sensor2car（GNSS/INS 偏航角标定）与 lidar2car 模块作为第三方依赖深度使用。本文以 SPLINTER README 为主线，结合其官方指南（基本用法、C++ 接口、编译指南）与仓库源码，完整梳理其数学模型、构建流程、四类语言接口以及编译集成方式，并落到 yawCalib.cpp 的真实调用链上，帮助你既会用、又懂原理。

一、SPLINTER 是什么：为多变量函数逼近而生的样条库

SPLINTER 是一个用于**多变量函数逼近（multivariate function approximation）的库，核心数据载体是张量积 B-spline（tensor product B-spline）**的快速 C++ 实现。它覆盖了以下典型任务：

• 函数逼近（function approximation）
• 回归（regression）
• 数据平滑（data smoothing）
• 数据降维/约简（data reduction）

其数学基础是分段多项式基函数（piecewise polynomial basis functions）构成的 B-spline，在灵活性与光滑性之间取得良好平衡。样本拟合采用普通最小二乘（ordinary least squares, OLS），并可选正则化；此外还内置了**惩罚样条（penalized splines，P-splines）**构造能力。

从源码结构看，库的核心实现位于 include 与 src 目录，关键类包括：

• BSpline（bspline.h）：多变量张量积 B-spline 本体，继承自Function抽象基类，除eval外还提供evalJacobian、evalHessian——这正是文档所述"为数学规划/非线性优化而设计"的能力；
• BSpline::Builder（bsplinebuilder.h）：链式构建器，封装回归拟合流程；
• BSplineBasis/BSplineBasis1D（bsplinebasis.h）：多维基函数张量积与一维基函数；
• DataTable（datatable.h）：多维样本 (x, y) 的有序存储与网格管理；
• Serializer：B-spline 与 DataTable 的序列化（save/load）。

说明：本文所述版本为仓库中version文件记录的3-0，即静态库文件名为splinter-static-3-0（见 CMakeLists.txt）。

二、核心原理：张量积 B-spline 如何逼近任意采样函数

B-spline 由 B-spline 基函数构造而来，这些基函数是高度光滑的分段多项式。用户可以选择线性（degree 1）、二次（degree 2）、三次（degree 3）乃至更高次数的 B-spline，对采样数据进行平滑或插值。B-spline 从样本出发，通过求解一个线性方程组得到控制点系数。

几个关键性质：

1. 局部支撑（local support）：求值时只有采样点附近的样本影响该点的 B-spline 取值，因此求值时间与样本总数无关，只随 B-spline 的**次数（degree）与变量数（number of variables）**增长。这是它适合在线快速查询的根本原因。
2. 构建规模限制（文档给出的一般性经验值）：在现代桌面机上，普通 B-spline 构建的样本量上限约为10 万，对应变量数约5~7 个；P-spline 因需要求解大规模最小二乘问题，样本量上限降至约1 万。构建成本随样本与变量增长，求值成本则与之无关。
3. 光滑性分级：线性 B-spline 连续，二次 B-spline 一阶连续可导，三次 B-spline 具有连续的二阶导数。SensorsCalibration 的偏航角标定正是利用了高阶导数信息（见下文第六节）。

2.1 三种平滑/正则化模式

SPLINTER 的BSpline::Builder通过smoothing参数控制拟合策略（枚举定义见 bsplinebuilder.h）：

• Tikhonov 正则化：在 OLS 目标函数上加入对系数的二次惩罚，可降低过拟合影响。当前实现以单位矩阵作为 Tikhonov 矩阵，平滑强度由alpha控制。
• P-spline：从源码看，其惩罚矩阵由getSecondOrderFiniteDifferenceMatrix（bsplinebuilder.cpp）生成——即对控制点序列施加二阶有限差分惩罚，且每个维度至少需要 3 个基函数/系数。P-spline 构建需解大规模最小二乘问题，因此更耗时。

两种方式的 Python 构建示例（来自 basic_usage.md）：

# P-spline，平滑参数 alpha = 0.1 bspline = splinter.BSplineBuilder(data, smoothing=splinter.BSplineBuilder.Smoothing.PSPLINE, alpha=0.1).build() # Tikhonov（恒等）正则化，三次 B-spline，alpha = 0.1 bspline = splinter.BSplineBuilder(data, smoothing=splinter.BSplineBuilder.Smoothing.IDENTITY, alpha=0.1).build()

三、基本使用工作流：采样 → 构建 → 评估 → 验证

官方给出的工作流非常简洁：采样一个函数，然后构造逼近。该过程可迭代执行，直到得到满意的逼近效果；评估逼近精度时，既可用已有样本做交叉验证，也可补充采样。当前版本 SPLINTER 主要承载"采样与模型构建"两个环节（见 basic_usage.md）。

3.1 二次 B-spline 构建示例（Python 单行完成）

bspline = splinter.BSplineBuilder(data, degree=2).build()

其中data为样本集合，通常要求落在规则网格（regular grid）上。SPLINTER 也接受非规则网格数据，但该行为目前属于实验性质、官方不推荐。

四、C++ 接口实战：原生 API 与完整示例

C++ 接口是 SPLINTER 的原生接口，在任何时候都是最全面、暴露特性最多的接口。官方示例（cpp_interface.md）以"六峰驼背函数（Six-hump camelback function）"为被采样函数，演示了完整流程：

#include <iostream> #include "datatable.h" using std::cout; using std::endl; using namespace SPLINTER; // 六峰驼背函数 double f(DenseVector x) { assert(x.rows() == 2); return (4 - 2.1*x(0)*x(0) + (1/3.)*x(0)*x(0)*x(0)*x(0))*x(0)*x(0) + x(0)*x(1) + (-4 + 4*x(1)*x(1))*x(1)*x(1); } int main(int argc, char *argv[]) { // 创建 DataTable 管理样本 DataTable samples; // 采样函数 DenseVector x(2); double y; for(int i = 0; i < 20; i++) { for(int j = 0; j < 20; j++) { x(0) = i*0.1; x(1) = j*0.1; y = f(x); samples.addSample(x,y); // 存储样本 } } // 构建插值 B-spline BSpline bspline1 = BSpline::Builder(samples).degree(1).build(); BSpline bspline3 = BSpline::Builder(samples).degree(3).build(); // 构建平滑 P-spline BSpline pspline = BSpline::Builder(samples) .degree(3) .smoothing(BSpline::Smoothing::PSPLINE) .alpha(0.03) .build(); /* 在 x = (1,1) 处评估三个逼近器 * 注意：该点是我们采样过的点，因此误差为 0（P-spline 除外， * 它可能为了平滑而引入误差） */ x(0) = 1; x(1) = 1; cout << "Function at x: " << f(x) << endl; cout << "Linear B-spline at x: " << bspline1.eval(x) << endl; cout << "Cubic B-spline at x: " << bspline3.eval(x) << endl; cout << "P-spline at x: " << pspline.eval(x) << endl; return 0; }

要点：

• BSpline::Builder(samples).degree(d).build()一行完成 B-spline 构建；degree支持 0~5 次（源码getBSplineDegrees对 degree > 5 抛异常，见 bsplinebuilder.h）；
• smoothing与alpha组合实现 P-spline 平滑；
• 编译需使用C++11 兼容编译器（README 的硬性要求）。

4.1 使用 DataTable 管理采样

为简化采样管理，SPLINTER 提供DataTable数据结构：

DataTable samples; // 添加样本 (x,y)，其中 y = f(x) samples.addSample(1,0); samples.addSample(2,5); samples.addSample(3,10); samples.addSample(4,15); // 样本添加顺序无关紧要，DataTable 内部保持排序

从 datatable.h 可见，样本以std::multiset<DataPoint>存储（内部自动排序），并提供getNumSamples()、getNumVariables()、getTableX()、getVectorY()、isGridComplete()等查询接口，以及save/load序列化能力。

五、Builder 构建细节：degree、smoothing、alpha 与网格限制

5.1 Builder 链式参数一览

BSpline::Builder是构建 B-spline 的唯一入口（默认以 3 次、无平滑、AS_SAMPLED节点间距构建）。可配置项（见 bsplinebuilder.h）：

5.2 网格完整性限制（重要）

当前实现要求样本构成一个完整网格（complete grid / regular grid）：若被采样函数是二维的（变量x0、x1），则x0与x1的所有组合都必须出现在样本中。例如二维情形可想象为坐标纸——所有交叉点都应存在，缺一个样本就缺一个交叉点，网格即不完整。

不完整网格示例：

完整网格示例：

注意：网格是否完整只取决于 x 的取值组合，与 y 无关。可通过DataTable::isGridComplete()检查；从源码看，BSpline::Builder::build()会直接对不完整网格抛异常（bsplinebuilder.cpp）。该限制在后续版本计划移除。

有意思的是：SensorsCalibration 的 yawCalib.cpp 中样本按等间隔时间戳i采样，天然构成一维完整网格，因此可顺利通过构建校验——这正是"按采样网格取数"这一限制在真实工程中的典型应对。

六、在 SensorsCalibration 中的真实应用：P-spline 驱动的偏航角标定

SPLINTER 并非孤立的第三方库，它直接服务于 SensorsCalibration 的传感器标定算法。在 SensorX2car/pose_sensor2car（GNSS/INS 航向角标定）与 SensorX2car/lidar2car 中，SPLINTER 被链接为静态库（splinter-static-3-0）。

6.1 集成方式

SensorX2car/pose_sensor2car/CMakeLists.txt 中的典型集成：

# Get splinter include_directories(${PROJECT_SOURCE_DIR}/3rdparty/splinter-3.0/include) link_directories(${PROJECT_SOURCE_DIR}/lib) ... target_link_libraries(... splinter-static-3-0 ...)

6.2 源码级调用链

yawCalib.cpp 中，GetYawSegs用两条 P-spline 分别拟合车辆轨迹的 x、y 坐标，再借助evalJacobian与evalHessian求取航向与曲率：

BSpline bspline_x = BSpline::Builder(sample_x).degree(bspine_degree_).smoothing(BSpline::Smoothing::PSPLINE).alpha(0.03).build(); BSpline bspline_y = BSpline::Builder(sample_y).degree(bspine_degree_).smoothing(BSpline::Smoothing::PSPLINE).alpha(0.03).build(); ... double dx = bspline_x.evalJacobian(t)(0, 0); // 一阶导数 -> 速度分量 double dy = bspline_y.evalJacobian(t)(0, 0); double ddx = bspline_x.evalHessian(t)(0, 0); // 二阶导数 -> 曲率判断 double ddy = bspline_y.evalHessian(t)(0, 0); double yaw = atan2(dx, dy); // 由速度方向反解航向角

而CalibrateSingle中再对每段 yaw 序列构建一条alpha=0.06的三次 P-spline 平滑（bspine_degree_默认 4，见 yawCalib.h）：

BSpline bspline_yaw = BSpline::Builder(sample_yaw).degree(bspine_degree_).smoothing(BSpline::Smoothing::PSPLINE).alpha(0.06).build();

随后将 IMU 原始 yaw 与 B-spline 平滑 yaw 做差、剔除离群点（Util::DeleteOutliers）后取均值，得到车体与 IMU 之间的安装偏航角。这条链路完整印证了 README 所述能力：P-spline 平滑 + Jacobian/Hessian 解析求导正是为数学规划与优化场景设计的。

七、多语言接口：Python、MATLAB 与 C

除原生 C++ 接口外，SPLINTER 提供 Python、MATLAB、C 三套绑定（C 接口是 MATLAB/Python 绑定的底层通道）。

7.1 Python 接口

官方说明其已测试兼容Python 2.7 与 3.x。make install后产生lib/<os>/<arch>下的共享库与python/splinter包；将python目录加入路径后即可import splinter。基本用法（python_interface.md）：

import splinter import numpy as np def f1(x): return -1. + 2*x + 0.1*(x**2) + 10*np.random.rand(1)[0] x = np.arange(0, 11, 1) y = np.zeros((len(x),)) for i in range(len(x)): y[i] = f1(x[i]) data = list(zip(x, y)) # 构建插值三次 B-spline bspline = splinter.BSplineBuilder(data, degree=3).build() # 评估（多点多批次，比逐点调用更高效） xd = np.arange(0, 10, .01) yd = bspline.eval(xd) # 保存 / 加载 bspline.save("myfile.myextension") loadedBSpline = splinter.BSpline("myfile.myextension")

7.2 MATLAB 接口

安装后在 MATLAB 中运行setup()（每次启动 MATLAB 需执行一次）即可加载；示例代码位于matlab/examples目录。

7.3 C 接口

C 接口几乎所有函数都以splinter_obj_ptr（定义为typedef void *splinter_obj_ptr）为首参，模拟面向对象风格。官方示例（c_interface.md）展示了完整流程：

#include <stdio.h> #include <stdlib.h> #include <cinterface/cinterface.h> double f(double x, double y) { return x*x*y + y*y*y; } int main(int argc, char **argv) { splinter_obj_ptr datatable = splinter_datatable_init(); // 以行主序批量添加 10x10 网格样本 double samples[300]; int sampleIdx = -1; for (int x = 0; x < 10; ++x) for (int y = 0; y < 10; ++y) { samples[++sampleIdx] = x; samples[++sampleIdx] = y; samples[++sampleIdx] = f(x, y); } splinter_datatable_add_samples_row_major(datatable, samples, 100, 2); splinter_obj_ptr bspline_builder = splinter_bspline_builder_init(datatable); unsigned int degrees[2] = {3, 3}; splinter_bspline_builder_set_degree(bspline_builder, degrees, 2); splinter_obj_ptr bspline = splinter_bspline_builder_build(bspline_builder); double x_eval[] = {0.1, 0.5}; double *val = splinter_bspline_eval_row_major(bspline, x_eval, 2); printf("Approximated value at (%f, %f): %f\n", x_eval[0], x_eval[1], val[0]); return 0; }

C 接口还提供splinter_get_error()/splinter_get_error_string()进行错误检查，以及求值（eval）、Jacobian（eval_jacobian）、Hessian（eval_hessian）的行/列主序变体，详见 cinterface.h。

八、编译与安装：从一行脚本到精细化 CMake

官方建议优先使用预编译二进制；如需自行编译，提供了"快速脚本"与"进阶手动"两条路线（compile.md）。

8.1 快速方式（release 脚本）

依赖：CMake、Git；UNIX 下需 GCC 与/或 Clang，Windows 下需 MinGW 与/或 Visual Studio，Ubuntu 下需apt-get install build-essentials。脚本会为所有已知编译器/架构编译，较耗时：

git clone https://github.com/bgrimstad/splinter.git # 以官方仓库为例 cd splinter ./scripts/build_release.sh

产物位于build/OS/COMPILER/ARCHITECTURE目录。README 还给出两条平台注意事项：MinGW 非 multilib，x86 与 x86-64 需分别安装；Ubuntu 下 clang++ 可能未符号链接，需sudo ln -s /usr/bin/clang++-3.5 /usr/bin/clang++。

8.2 进阶方式（UNIX / Windows 手动构建）

git clone https://github.com/bgrimstad/splinter.git cd splinter mkdir build && cd build export CXX=$(which g++) # 或 clang++ cmake .. make make install

Windows（MinGW）下对应cmake .. -DCMAKE_MAKE_PROGRAM=mingw32-make -G "Unix Makefiles"后mingw32-make（可接install）。常见排错：

• make: *** [install] Error 1：安装目录无写权限，改用sudo make install或调整安装路径；
• 64 位系统编译 32 位报bits/c++config.h缺失：安装g++-multilib。

8.3 CMake 选项表（所有平台通用）

用法示例：

cmake .. -DEIGEN_DIRECTORY=/path/to/eigen -DHEADER_INSTALL_DIRECTORY=/home/me/splinter/includes -DARCH=x86-64

语法为-D<VARIABLE_NAME>=<VARIABLE_VALUE>，含空格的值需用双引号包裹。若头文件/库路径为相对路径，则相对CMAKE_INSTALL_PREFIX解析。仓库内 CMakeLists.txt 与文档一致：默认ARCH为x86-64、Release构建、同时产出共享库splinter-3-0与静态库splinter-static-3-0，并支持 Doxygen 文档目标（make doc）。

九、源码结构与测试佐证

仓库中 test 目录（基于 Catch 框架）对库的核心行为进行了覆盖，可作为理解与验证的补充材料：

• test/approximation/bspline.cpp：线性/二次/三次/四次 B-spline 在密采样、正常采样、稀疏采样下的函数值、Jacobian、Hessian 对称性测试；
• test/approximation/pspline.cpp：P-spline（alpha=0.03）的函数值与 Jacobian 对比、Hessian 对称性检查；
• test/general/bspline.cpp：节点插入（knot insertion）测试；
• test/serialization/bspline.cpp：B-spline 的 save/load 往返一致性（1~4 次均有覆盖）；
• test/unit/bsplinebasis1d.cpp、test/unit/knots.cpp：一维基函数与节点向量单元测试。

这些测试同样演示了BSpline::Builder(table).degree(n).build()的标准用法，与文档示例完全同构。

十、引用与贡献

SPLINTER 源于多年对"快速、通用的多变量函数逼近库"的开发积累，最初为数学规划（非线性优化）中的样条构建而生，因此对 Jacobian/Hessian 计算投入较多。若在科研工作中使用 SPLINTER，官方建议在论文中引用（可参考 README 中的 bibtex 条目，作者 Bjarne Grimstad 等，标题SPLINTER: a library for multivariate function approximation with splines，2015 年发布，注明访问日期）。

官方欢迎任何人使用与贡献，近期目标包括：改善接口与文档以提升可及性、实现新特性、通过测试改进现有代码。最直接的贡献方式是使用并反馈体验；编码贡献可从 GitHub issues 列表中选择，issue 按工作类型（Bug/Docs/Enhancement/New feature/Refactoring/Tests）与难度（Beginner/Intermediate/Advanced）标记，Critical标记表示需要优先处理。

小结

SPLINTER 以"张量积 B-spline + OLS/正则化/P-spline"的组合，为多变量函数逼近提供了高速、光滑、可求导的通用方案，并通过 C++/C/Python/MATLAB 四套接口覆盖不同研发链路。在 SensorsCalibration 中，它被 pose_sensor2car 用作轨迹平滑与解析微分的底层引擎——BSpline::Builder(...).degree(...).smoothing(PSPLINE).alpha(...)一行式构建配合eval/evalJacobian/evalHessian，正是自动驾驶传感器标定中"从带噪轨迹稳健提取航向"的实用利器。理解它的网格约束、次数范围与平滑参数语义，是正确使用的前提。

• 自动驾驶
• 计算机视觉