隨著自動(dòng)駕駛技術(shù)的發(fā)展，車(chē)輛的智能化程度不斷提高，這體現(xiàn)了車(chē)輛感知，決策以及執(zhí)行的能力。在算法開(kāi)發(fā)和迭代過(guò)程中，提高測(cè)試和開(kāi)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(yīng)對(duì)這一挑戰(zhàn)，必須采取有效的數(shù)據(jù)整合策略。這包括開(kāi)發(fā)處理不同數(shù)據(jù)速率和格式的組件，以及設(shè)計(jì)數(shù)據(jù)在時(shí)間上精確對(duì)齊的同步機(jī)制。進(jìn)而創(chuàng)建一個(gè)統(tǒng)一的數(shù)據(jù)流形式，實(shí)時(shí)檢測(cè)傳感器的觀測(cè)結(jié)果并進(jìn)行落盤(pán)存儲(chǔ)。

為了解決上述問(wèn)題，ADTF提供了一個(gè)強(qiáng)大的Streaming Service，它專(zhuān)門(mén)針對(duì)自動(dòng)駕駛多傳感器數(shù)據(jù)采集的需求設(shè)計(jì)。ADTF Streaming Service以其高效的數(shù)據(jù)處理能力、靈活的架構(gòu)設(shè)計(jì)和強(qiáng)大的同步機(jī)制，為自動(dòng)駕駛數(shù)采系統(tǒng)提供了一個(gè)高質(zhì)量的解決方案。

一、ADTF 流服務(wù)

在ADTF中，流服務(wù)（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(diǎn)（Streaming Source）和出口點(diǎn)（Streaming Sink）。具體來(lái)說(shuō)，流服務(wù)既可以是數(shù)據(jù)管道的起點(diǎn)也可以是終點(diǎn)，它們通常用于處理來(lái)自硬件的樣本數(shù)據(jù)和數(shù)據(jù)觸發(fā)器。

1、流服務(wù)源（Streaming Source）

流服務(wù)源是樣本和數(shù)據(jù)觸發(fā)器進(jìn)入系統(tǒng)的入口點(diǎn)。通常，任何設(shè)備鏈接都會(huì)作為流服務(wù)源來(lái)實(shí)現(xiàn)，組件如下圖1所示：

圖1：Streaming Source組件

Streaming Source支持以下的應(yīng)用場(chǎng)景：

（1）從攝像頭讀取視頻流
（2）從CAN總線(xiàn)設(shè)備讀取CAN消息
（3）作為硬盤(pán)讀取器提供基于文件的仿真數(shù)據(jù)
（4）通過(guò)網(wǎng)絡(luò)或進(jìn)程間連接接收來(lái)自分布式系統(tǒng)的樣本，如ROS（機(jī)器人操作系統(tǒng)）或FEP（功能工程平臺(tái)）

2、流服務(wù)匯（Streaming Sink）

流服務(wù)匯是樣本和觸發(fā)器離開(kāi)系統(tǒng)的出口點(diǎn)。通常，任何設(shè)備鏈接都會(huì)作為流服務(wù)匯來(lái)實(shí)現(xiàn)。組件如下圖2所示：

圖2：Streaming Sink組件

Streaming Sink支持以下應(yīng)用場(chǎng)景：

（1）向CAN總線(xiàn)設(shè)備寫(xiě)入原始CAN消息
（2）向設(shè)備寫(xiě)入FlexRay周期或汽車(chē)以太網(wǎng)PDU
（3）創(chuàng)建硬盤(pán)訪(fǎng)問(wèn)，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(wù)是實(shí)現(xiàn)高效數(shù)據(jù)處理和傳輸?shù)年P(guān)鍵，通過(guò)Streaming Source和Streaming Sink,可以針對(duì)不同實(shí)際應(yīng)用需求，搭建對(duì)應(yīng)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(xiě)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(gè)常見(jiàn)的數(shù)據(jù)管道從發(fā)送過(guò)濾器的樣本寫(xiě)入器的輸出引腳（Out Pin）開(kāi)始，通過(guò)一個(gè)樣本流（Sample Stream），到達(dá)一個(gè)或多個(gè)輸入引腳（In Pins）及其對(duì)應(yīng)的樣本讀取器。

圖3：Data Pipe

2、子流（Substreams）

子流是減少過(guò)濾器圖中引腳和連接復(fù)雜度的一種方法,如圖4所示。通過(guò)使用子流，可以簡(jiǎn)化數(shù)據(jù)流的路徑，提高系統(tǒng)的可讀性和可維護(hù)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(dòng)運(yùn)行器（Active Timer Runner）開(kāi)始，如圖5所示，它觸發(fā)連接的組件，類(lèi)似于過(guò)濾器的運(yùn)行器。

圖5：觸發(fā)管道

例如，在自動(dòng)駕駛數(shù)據(jù)采集中，通過(guò)設(shè)計(jì)靈活的觸發(fā)機(jī)制，數(shù)據(jù)管道可以同步來(lái)自雷達(dá)、攝像頭和激光雷達(dá)的數(shù)據(jù)流，確保它們?cè)跁r(shí)間上的對(duì)齊。

三、總結(jié)

ADTF Streaming Service在自動(dòng)駕駛數(shù)采領(lǐng)域的應(yīng)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(gè)關(guān)鍵應(yīng)用點(diǎn)：

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

實(shí)時(shí)決策支持：利用觸發(fā)管道快速響應(yīng)傳感器觸發(fā)的事件，為決策算法提供實(shí)時(shí)數(shù)據(jù)。

數(shù)據(jù)存儲(chǔ)與回放：通過(guò)Streaming Sink實(shí)現(xiàn)數(shù)據(jù)的高效存儲(chǔ)，以及通過(guò)子流進(jìn)行數(shù)據(jù)回放和分析。

ADTF Streaming Service為自動(dòng)駕駛數(shù)采系統(tǒng)提供了一個(gè)強(qiáng)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(yīng)不斷變化的開(kāi)發(fā)需求。