??01 引言

目前，ADAS技術(shù)正經(jīng)歷從“功能驗證”到“場景攻堅”的關(guān)鍵階段。每一次極端天氣下的緊急制動，每一段復(fù)雜路況中的精準識別，本質(zhì)都在拷問算法對現(xiàn)實世界的適應(yīng)力。在開發(fā)場景中，測試車輛采集的惡劣工況數(shù)據(jù)可以有效提升算法的真實場景適配能力。比如強化算法抗干擾能力、泛化能力、支撐邊緣案例覆蓋并降低安全風險。

然而，圍繞“數(shù)據(jù)能否有效支撐算法訓練”這一核心目標，惡劣工況下ADAS數(shù)據(jù)采集方案常面臨一些挑戰(zhàn)，比如采集系統(tǒng)的可靠與穩(wěn)定性、數(shù)據(jù)有效性、邊緣場景覆蓋性等內(nèi)容。

康謀長期專注于ADAS數(shù)據(jù)采集工具鏈研發(fā)，針對這些問題，也有一些思考、方案與看法，在這里與大家一起交流。

02 數(shù)據(jù)采集方案

當我們評估或者構(gòu)建ADAS數(shù)據(jù)采集方案在惡劣工況下的數(shù)據(jù)質(zhì)量時，可以分為場景覆蓋、采集可靠性、數(shù)據(jù)質(zhì)量和訓練需求匹配性四個維度。其中，從數(shù)據(jù)采集方案本身來看，更側(cè)重于采集可靠性與數(shù)據(jù)質(zhì)量。

因此，圍繞這兩個維度，數(shù)據(jù)采集方案常包含硬件支撐、數(shù)據(jù)同步與采集、適應(yīng)性與擴展性、監(jiān)控與維護四個部分。

核心硬件支撐

在惡劣工況下，硬件系統(tǒng)的穩(wěn)定性是數(shù)據(jù)采集的基礎(chǔ)。首先，硬件需滿足嚴苛的車規(guī)級標準，通過如 LV124、LV148 等汽車行業(yè)測試規(guī)范，以及環(huán)境模擬與氣候測試，確保在 - 40℃至 + 85℃的極端溫度范圍、持續(xù)振動（如 50m/s2 沖擊）、高濕度等場景下正常運行。

圖1 BRICK2 – 30000小時連續(xù)無故障穩(wěn)定運行

其次，硬件需具備電磁兼容性（EMC）設(shè)計，通過預(yù)測試與仿真驗證，減少車輛內(nèi)部電子設(shè)備的電磁干擾，保證傳感器原始數(shù)據(jù)的完整性。同時，電源管理需支持寬電壓輸入，應(yīng)對車輛啟動時的電壓波動或極端工況下的供電不穩(wěn)定，避免因斷電導(dǎo)致的數(shù)據(jù)丟失。

此外，硬件冗余設(shè)計至關(guān)重要。例如，關(guān)鍵接口（如以太網(wǎng)、PCIe）采用雙路備份，存儲模塊支持熱插拔，即使單一組件出現(xiàn)故障，系統(tǒng)仍能通過自動切換保障數(shù)據(jù)持續(xù)采集，降低惡劣工況下的停機風險。

圖2 ATX4-多PCIe擴展

圖3 ATX4-震動測試（50m/s2）

數(shù)據(jù)同步與采集

多源傳感器（攝像頭、雷達、激光雷達等）的數(shù)據(jù)時間一致性直接影響算法訓練的有效性。在惡劣工況下，需通過高精度時間同步技術(shù)消除傳播延遲與時鐘抖動，例如采用 IEEE 802.1AS（gPTP）等協(xié)議，結(jié)合邊緣節(jié)點本地時間戳標記（數(shù)據(jù)生成時即打標），確保傳感器數(shù)據(jù)的時間偏差控制在納秒級。

數(shù)據(jù)采集階段，需建立統(tǒng)一的時間域，通過軟件工具對多源數(shù)據(jù)進行時間對齊與格式標準化（如將圖像像素、激光點坐標映射至同一時間軸）。

圖4 時間同步（PTP-E2E）配置

圖5 多傳感器數(shù)據(jù)采集

適應(yīng)性與擴展性

惡劣工況的多樣性要求采集方案具備靈活的適配能力。硬件層面采用模塊化架構(gòu)，支持根據(jù)場景需求增減傳感器接口、擴展存儲容量或升級計算單元（如提升邊緣端實時處理能力）。

軟件層面需兼容多品牌傳感器協(xié)議與數(shù)據(jù)格式，通過開放 API 實現(xiàn)與現(xiàn)有工具鏈（如數(shù)據(jù)標注平臺、算法訓練框架）的無縫對接，減少二次開發(fā)成本。

監(jiān)控與維護

惡劣工況下的系統(tǒng)故障排查難度顯著提升，需建立全鏈路監(jiān)控機制。通過嵌入式管理工具實時采集硬件狀態(tài)參數(shù)（如 CPU 溫度、風扇轉(zhuǎn)速、存儲讀寫速度）、傳感器健康度（如攝像頭鏡頭污染程度、雷達信號強度），并設(shè)定閾值告警（如當設(shè)備存儲使用率超過80%自動通知運維團隊）。

圖6 ATX4-SIODI監(jiān)控

03 結(jié)語

總結(jié)來說，惡劣工況下的 ADAS 數(shù)據(jù)采集方案，本質(zhì)是通過 “硬件抗干擾性 + 同步精準性 + 適應(yīng)與擴展 + 維護及時性” 的多維設(shè)計，解決 “極端場景數(shù)據(jù)稀缺” 與 “算法泛化需求” 的矛盾。

具體來說，從傳感器選型到數(shù)據(jù)落地，需以 “真實場景還原” 為核心，結(jié)合標準化與模塊化設(shè)計，才能系統(tǒng)性解決惡劣工況下的數(shù)據(jù)采集難題。????

審核編輯 黃宇