隨著自動駕駛技術(shù)的發(fā)展，車輛的智能化程度不斷提高，這體現(xiàn)了車輛感知，決策以及執(zhí)行的能力。在算法開發(fā)和迭代過程中，提高測試和開發(fā)效率，關(guān)鍵在于多傳感器數(shù)據(jù)的高質(zhì)量采集，確保數(shù)據(jù)的同步性、完整性和一致性。

為了應對這一挑戰(zhàn)，必須采取有效的數(shù)據(jù)整合策略。這包括開發(fā)處理不同數(shù)據(jù)速率和格式的組件，以及設計數(shù)據(jù)在時間上精確對齊的同步機制。進而創(chuàng)建一個統(tǒng)一的數(shù)據(jù)流形式，實時檢測傳感器的觀測結(jié)果并進行落盤存儲。

為了解決上述問題，ADTF提供了一個強大的Streaming Service，它專門針對自動駕駛多傳感器數(shù)據(jù)采集的需求設計。ADTF Streaming Service以其高效的數(shù)據(jù)處理能力、靈活的架構(gòu)設計和強大的同步機制，為自動駕駛數(shù)采系統(tǒng)提供了一個高質(zhì)量的解決方案。

一、ADTF 流服務

在ADTF中，流服務（Streaming Services）扮演著至關(guān)重要的角色，它們定義了系統(tǒng)的入口點（Streaming Source）和出口點（Streaming Sink）。具體來說，流服務既可以是數(shù)據(jù)管道的起點也可以是終點，它們通常用于處理來自硬件的樣本數(shù)據(jù)和數(shù)據(jù)觸發(fā)器。

1、流服務源（Streaming Source）

流服務源是樣本和數(shù)據(jù)觸發(fā)器進入系統(tǒng)的入口點。通常，任何設備鏈接都會作為流服務源來實現(xiàn)，組件如下圖1所示：

圖1：Streaming Source組件

Streaming Source支持以下的應用場景：

（1）從攝像頭讀取視頻流
（2）從CAN總線設備讀取CAN消息
（3）作為硬盤讀取器提供基于文件的仿真數(shù)據(jù)
（4）通過網(wǎng)絡或進程間連接接收來自分布式系統(tǒng)的樣本，如ROS（機器人操作系統(tǒng)）或FEP（功能工程平臺）

2、流服務匯（Streaming Sink）

流服務匯是樣本和觸發(fā)器離開系統(tǒng)的出口點。通常，任何設備鏈接都會作為流服務匯來實現(xiàn)。組件如下圖2所示：

圖2：Streaming Sink組件

Streaming Sink支持以下應用場景：

（1）向CAN總線設備寫入原始CAN消息
（2）向設備寫入FlexRay周期或汽車以太網(wǎng)PDU
（3）創(chuàng)建硬盤訪問，用于基于文件的數(shù)據(jù)記錄和高性能錄制

二、數(shù)據(jù)鏈路

流服務是實現(xiàn)高效數(shù)據(jù)處理和傳輸?shù)年P(guān)鍵，通過Streaming Source和Streaming Sink,可以針對不同實際應用需求，搭建對應的數(shù)據(jù)鏈路，包括數(shù)據(jù)管道（Data Pipe）、子流（Substreams）以及觸發(fā)管道（Trigger Pipe）。

1、數(shù)據(jù)管道（Data Pipe）

數(shù)據(jù)管道是連接樣本寫入器（Streaming Sink）和樣本讀取器（Streaming Source）的橋梁。在ADTF中，如圖3所示，一個常見的數(shù)據(jù)管道從發(fā)送過濾器的樣本寫入器的輸出引腳（Out Pin）開始，通過一個樣本流（Sample Stream），到達一個或多個輸入引腳（In Pins）及其對應的樣本讀取器。

圖3：Data Pipe

2、子流（Substreams）

子流是減少過濾器圖中引腳和連接復雜度的一種方法,如圖4所示。通過使用子流，可以簡化數(shù)據(jù)流的路徑，提高系統(tǒng)的可讀性和可維護性。

圖4：子流

3、觸發(fā)管道（Trigger Pipe）

觸發(fā)管道是ADTF中基于觸發(fā)路徑的連接，通常從主動運行器（Active Timer Runner）開始，如圖5所示，它觸發(fā)連接的組件，類似于過濾器的運行器。

圖5：觸發(fā)管道

例如，在自動駕駛數(shù)據(jù)采集中，通過設計靈活的觸發(fā)機制，數(shù)據(jù)管道可以同步來自雷達、攝像頭和激光雷達的數(shù)據(jù)流，確保它們在時間上的對齊。

三、總結(jié)

ADTF Streaming Service在自動駕駛數(shù)采領(lǐng)域的應用，關(guān)鍵在于其能夠?qū)崿F(xiàn)多傳感器數(shù)據(jù)的高效同步與處理。以下是幾個關(guān)鍵應用點：

多傳感器數(shù)據(jù)融合：通過數(shù)據(jù)管道同步不同傳感器的數(shù)據(jù)，實現(xiàn)高精度的環(huán)境感知。

實時決策支持：利用觸發(fā)管道快速響應傳感器觸發(fā)的事件，為決策算法提供實時數(shù)據(jù)。

數(shù)據(jù)存儲與回放：通過Streaming Sink實現(xiàn)數(shù)據(jù)的高效存儲，以及通過子流進行數(shù)據(jù)回放和分析。

ADTF Streaming Service為自動駕駛數(shù)采系統(tǒng)提供了一個強大的工具，它不僅能夠處理和同步多傳感器數(shù)據(jù)，還能夠適應不斷變化的開發(fā)需求。