线性插值需先二分查找定位关键帧区间，再clamp归一化t∈[0,1]；四元数须用slerp或lerp后归一化；三次样条需≥3帧、时间严格递增且预处理去重；精度上key_time和中间计算建议用double，输出可转float；性能瓶颈多在数据访问而非公式本身。
线性插值（Lerp）怎么写才不会出错
关键帧动画里最基础的插值就是线性插值，但直接用 lerp(a, b, t) 很容易忽略时间映射和边界判断。核心问题不是公式本身，而是如何把「当前时间」正确归一化到两个关键帧之间。
常见错误现象：t 超出 [0,1] 导致插值结果突变；没做帧索引查找，直接硬套相邻帧导致跳帧；对四元数用普通线性插值造成旋转抖动。
- 先用二分查找定位当前时间
t_now所在的关键帧区间：找到最大的key_time[i]≤t_now，对应帧为i，下帧为i+1 - 归一化参数必须严格 clamp：
float t = std::clamp((t_now - key_time[i]) / (key_time[i+1] - key_time[i]), 0.0f, 1.0f) - 标量/向量用
a + t * (b - a)；四元数必须用slerp或lerp+ 归一化（normalize(lerp(q0, q1, t))），否则会出现轴翻转
三次样条插值（Cubic Spline）为什么比贝塞尔更稳
三次样条插值在关键帧动画中指自然样条（natural cubic spline），它强制二阶导数连续，动画运动更平滑、无加速度突变。相比贝塞尔曲线（需手动调控制点），样条只依赖关键帧位置和时间，更适合程序自动生成轨迹。
容易踩的坑：直接套数学教材里的三对角矩阵算法，却没处理关键帧时间不等距、首尾无约束、或只有两帧等边界情况。
立即学习“C++免费学习笔记（深入）”；
- 至少需要 3 个关键帧才能构造自然样条；若只有 2 帧，退化为线性插值
- 时间轴必须严格递增，且建议预处理去重：
std::unique+erase掉重复key_time - 解三对角方程组时，系数矩阵由时间差构建：
h[i] = key_time[i+1] - key_time[i]，右侧向量含二阶导约束，首尾设为 0（自然边界） - 插值计算分两步：先算每段的二阶导数组
m[i]，再用公式p(t) = a[i] + b[i]*(t-t_i) + c[i]*(t-t_i)^2 + d[i]*(t-t_i)^3求值，其中系数由m[i]和关键帧值反推
float 还是 double？插值精度影响在哪
动画插值本身对绝对精度不敏感，但累积误差会在长时间播放或高帧率下暴露——尤其是样条插值中反复计算 h[i] 和求解线性方程组时。
典型表现：同一段动画在不同机器上跑几小时后位移偏差超过 0.1 单位；缩放动画出现缓慢漂移；骨骼层级叠加后末端效应放大。
- 关键帧时间戳（
key_time）建议用double存储，避免单精度下大时间值（如 1e5 秒）丢失毫秒级分辨率 - 插值中间计算（如样条系数
m[i]、多项式项）用double更安全，但最终输出给 GPU 的变换矩阵可转回float - 如果目标平台是嵌入式或移动端，且帧数少于 20、时长小于 10 秒，
float足够；否则不要省这点内存
性能瓶颈往往不在插值公式本身
实测发现，90% 的“插值慢”问题其实卡在数据访问模式上：关键帧数组未按时间排序、缓存不友好、或每帧都重新二分查找。
一个 500 帧的动画，每帧做一次 std::lower_bound，在 60fps 下就是 3000 次对数查找——看似快，但若关键帧数据分散在堆上，L1 cache miss 率飙升。
- 把关键帧打包成 AoS 结构体数组（如
struct Keyframe { float time; vec3 trans; quat rot; };），而非多个平行数组，提升访存局部性 - 记录上一帧查到的索引
last_idx，当前时间接近时先检查[last_idx-1, last_idx+2]区间，大概率 O(1) 定位 - 样条预计算：离线生成所有段的多项式系数
a/b/c/d，运行时只做 4 次乘加，避免实时解方程组
真正复杂的不是插值函数怎么写，而是怎么让 CPU 不反复找帧、不重复算系数、不把四元数当普通向量插。这些细节不处理，再漂亮的数学也没用。
