曲线插值拟合算法在曲线平滑控制及优化方面有显著的优势，按照曲线生成方式及其种类可分为：基于插值的规划算法、基于特殊曲线的规划算法及基于优化的规划算法三类，该类算法在自动驾驶等L域有着广泛的应用。

插值多项式曲线

Chang等人提出QPMI (Quadratic Polynomial and Membership Interpolation)算法可创建无碰撞、无龙格现象的曲率连续曲线，并使用Pan算法检测曲线碰撞点位置，并通过增加子锚点以重规划无碰撞路径，但在复杂拥挤环境下的碰撞检测及重规划成本较G[2]。

Werling等人基于道路建立Frenet坐标系，将无人车运动分解为纵向、横向运动，并分别建立路程-时间的五次多项式方程，考虑避障约束、舒适度等因素及其长期运动模式（换道、合并等）设计优化目标函数，结合始末运动状态，输出Z佳运动控制量[3]。

贝塞尔曲线

Han等人综合局部栅格图中的全局路径及障碍物影响以确定控制点，生成无碰撞的四阶贝塞尔曲线作为局部路径，并使用PID控制器根据曲线[6]。

González等人针对单岔口、连续岔口场景使用三阶贝塞尔曲线过渡，并提出曲率评估权重算法调节控制点以保证曲线曲率（起始点、终止点及中间段）连续且满足Z大曲率约束，并被集成到RITS自动驾驶系统[7]。

样条曲线

Elbanhawi等人针对类车机器人提出B样条曲线与RRT相结合的方法，利用B样条曲线平滑性好的特点以降低搜索维度，快速生成适用于轮式机器人的曲率连续曲线[8]。

NURBS曲线是特殊的B样条曲线，Belaidi等人针对移动机器人在三维环境下的运动规划问题，采用NURBS曲线生成平滑的路径[9]。

总体而言，基于插值拟合算法已经能够在诸多场景下的规划生成一条无碰撞路径，且应用较为广泛，比如TEB算法就被作为ROS navigation stack中local planner的算法之一，Dubins曲线或R&S曲线常被应用于自动泊车L域。随着诸多学者的改进升J，基于插值拟合算法的实时性和动态适应性逐渐提升，但多数算法仍存在优化计算容易陷入局部Z小值、计算复杂等问题，但随着硬件计算能力的提升，相关算法已经被应用于实际。