自動駕駛技術(shù)的飛速發(fā)展，正在重新定義未來出行的邊界。從感知到決策，從規(guī)劃到控制，每一個環(huán)節(jié)都離不開海量、精準(zhǔn)的高質(zhì)量數(shù)據(jù)支撐。然而，隨著傳感器數(shù)量的增加和數(shù)據(jù)規(guī)模的指數(shù)級增長，行業(yè)正面臨一系列挑戰(zhàn)：多源傳感器數(shù)據(jù)的時間同步難題、復(fù)雜數(shù)據(jù)格式的適配、測量技術(shù)的靈活性不足、設(shè)備集成周期冗長等，這些問題正成為自動駕駛研發(fā)與測試的“隱形瓶頸"。

為此，康謀基于技術(shù)積累與行業(yè)洞察，推出了一套創(chuàng)新的ADAS時空融合數(shù)據(jù)采集方案。通過硬件與軟件的深度協(xié)同優(yōu)化，該方案不僅解決了數(shù)據(jù)采集中的核心痛點，還為自動駕駛研發(fā)提供了高效、可靠、可擴展的完整解決方案。

一、方案架構(gòu)

該方案以“時空融合"為核心，構(gòu)建了傳感器層、數(shù)據(jù)處理層、存儲層和用戶交互層，如下圖1所示：

圖1：方案架構(gòu)

傳感器層：負(fù)責(zé)采集數(shù)據(jù)，包括 LiDAR、Radar、RTK 和 Camera 等傳感器。這些傳感器從不同維度感知環(huán)境，獲得圖像、點云、高精度定位以及被測目標(biāo)物等信息，為系統(tǒng)提供原始數(shù)據(jù)。

數(shù)據(jù)處理層：對傳感器采集的原始數(shù)據(jù)進行處理。通過時間同步算法（PTP/gPTP），使不同傳感器數(shù)據(jù)在時間上對齊，解決多源傳感器數(shù)據(jù)時間同步難題。運用標(biāo)定算法，對各傳感器進行單傳感器標(biāo)定和傳感器間標(biāo)定，確定傳感器之間的空間關(guān)系。同時，解析不同格式的數(shù)據(jù)，使其能在系統(tǒng)中統(tǒng)一處理。

存儲層：負(fù)責(zé)存儲處理后的數(shù)據(jù)。支持多種存儲格式，如激光雷達數(shù)據(jù)可存為 pcd 格式或 rosbag 包，毫米波雷達和 RTK 數(shù)據(jù)可選擇 csv 格式或 rosbag 包，方便不同場景下的數(shù)據(jù)使用和分析。并且按照傳感器類型將數(shù)據(jù)分類存入單獨文件夾，便于管理和查找。

用戶交互層（軟件界面）：為用戶提供操作入口。軟件支持各個傳感器數(shù)據(jù)的可視化，方便用戶實時查看傳感器采集的信息。允許用戶對數(shù)據(jù)采集進行多種配置，如選擇存儲路徑、設(shè)置攝像頭采集幀數(shù)、選擇顯示時間戳的來源等。還支持對采集環(huán)境進行描述，如記錄天氣和道路狀況，為后續(xù)數(shù)據(jù)分析提供更豐富的背景信息。

二、系統(tǒng)搭建

基于方案架構(gòu)的功能性設(shè)計，系統(tǒng)搭建如圖2所示，包括線束改造，時間同步，傳感器標(biāo)定和數(shù)據(jù)采集。

圖2：系統(tǒng)搭建

1、線束改造

線束改造方面，采用模塊化線束設(shè)計，針對不同傳感器的接口特性進行定制化適配：

（1）多協(xié)議兼容：支持以太網(wǎng)（LiDAR）、CAN 總線（Radar/RTK）、ProFrame（Camera）等多種通信協(xié)議，通過標(biāo)準(zhǔn)化接口實現(xiàn)傳感器即插即用，大幅縮短設(shè)備集成周期。

（2）輕量化布局：基于車輛工程設(shè)計，線束走向遵循最短路徑原則，減少冗余布線，提升系統(tǒng)可靠性的同時便于后期維護。

（3）抗干擾優(yōu)化：采用屏蔽線纜與差分信號傳輸，降低電磁干擾對數(shù)據(jù)質(zhì)量的影響，保障高速率數(shù)據(jù)（如 LiDAR 點云、Camera 原始圖像）的穩(wěn)定傳輸。

2、時間同步

方案通過硬件觸發(fā) + 軟件校準(zhǔn)實現(xiàn)多傳感器納秒級時間同步，確保時空融合精度：

（1）同步基準(zhǔn)統(tǒng)一：以國際原子時（TAI）為時間基準(zhǔn)，通過gPTP（通用精確時間協(xié)議）與 PPS（秒脈沖信號）實現(xiàn)系統(tǒng)級時間對齊。LiDAR采用gPTP 同步，Camera 通過采集卡 PPS 信號觸發(fā)，RTK 與 Radar 通過 CAN Combo 的打上時間戳。

（2）外觸發(fā)機制：支持LiDAR 外觸發(fā)Camera 拍攝，可自定義觸發(fā)頻率（10Hz/20Hz/30Hz），確保圖像與點云數(shù)據(jù)嚴(yán)格同步。實測顯示，8MP 相機在 30Hz 觸發(fā)下，幀間對齊時間誤差小于 10μs（一般誤差在20-30ms）。

3、傳感器標(biāo)定

通過標(biāo)定算法，建立傳感器與車輛坐標(biāo)系的空間轉(zhuǎn)換關(guān)系：

比如單傳感器標(biāo)定中LiDAR2Car，以車輛后軸中心為原點，通過標(biāo)定板采集點云數(shù)據(jù)，利用迭代最近點（ICP）算法計算 4×4 變換矩陣，實現(xiàn)點云到車輛坐標(biāo)系的轉(zhuǎn)換。

傳感器間標(biāo)定中LiDAR2Camera，利用同步采集的點云與圖像數(shù)據(jù)，通過標(biāo)定板特征匹配，計算外參矩陣（旋轉(zhuǎn)矩陣 R、平移向量 T），重投影誤差均值 0.0138m，支持點云投影到圖像像素坐標(biāo)。

4、數(shù)據(jù)采集

在數(shù)據(jù)采集環(huán)節(jié)，配套軟件提供全流程可視化操作與高效數(shù)據(jù)管理能力：

（1）多模態(tài)可視化：實時顯示 LiDAR 點云、Camera 圖像、Radar 目標(biāo)聚類及 RTK 定位信息，支持分屏監(jiān)控與時間戳同步顯示，便于實時校驗數(shù)據(jù)質(zhì)量。

（2）靈活配置能力：

格式選擇：支持LiDAR (ros bag)、Radar/RTK (ros bag)、Camera (RAW/PNG)等多種格式，滿足不同算法開發(fā)需求。

  環(huán)境標(biāo)注：自動記錄天氣（晴 / 雨 / 霧）、道路類型（城市 / 高速 / 鄉(xiāng)村）等元數(shù)據(jù)，生成包含時間戳、存儲路徑、傳感器配置的場景采集文件，提升數(shù)據(jù)可追溯性。

（3）穩(wěn)定存儲方案：按傳感器類型生成獨立文件夾（如 LiDAR_data、Radar_data），避免數(shù)據(jù)混雜。

三、總結(jié)

康謀 ADAS 時空融合數(shù)據(jù)采集方案通過線束改造、時間同步、傳感器標(biāo)定與采集軟件的深度協(xié)同，系統(tǒng)性解決了多源數(shù)據(jù)采集中的時空對齊、格式適配與高效存儲難題。

方案已通過實車測試驗證，支持厘米級空間定位與納秒級時間同步，為自動駕駛算法研發(fā)、傳感器融合驗證提供了可靠的數(shù)據(jù)基石。