隨著自動駕駛企業路測里程不斷累積，產生了大量多元場景化數據。這些數據是如何采集得到的，后續又要如何清洗、分類、標注？下面將為您詳細介紹。

一、傳感器增多，數據采集挑戰重重

隨著自動駕駛由L2向L3進階，車上配置的傳感器越來越多，例如，L2一般需要8個超聲波傳感器、1個毫米波雷達、7個攝像頭，而L3會增加高分辨率的激光雷達，超聲波傳感器、毫米波雷達等傳感器的數量也隨之增多。傳感器越來越多，產生的數據量越來越大，這對ADAS數據記錄來說是一個巨大的挑戰。

注：資料來源于麥姆斯咨詢、國金證券研究所

二、滿足高帶寬、數據同步的需求

OEM制造商需要配備數據記錄器的測試車輛來收集與自動駕駛相關的數據。采集的對象包括攝像機、毫米波雷達、激光雷達、車輛總線等。采集的數據類型通常包括語音、圖像和多模態數據。這些數據可以在實驗室中準確模擬一些交通狀況，測試ADAS傳感算法和控制邏輯，從而節省大量測試和驗證時間。

自動駕駛測試車輛的配置也是一門知識。這些傳感器從整車布局的安裝結構設計、FOV驗證到實車的組裝和校準，都需要精確穩定的位置，以便同步采集不同位置的傳感器數據。同時，需要考慮采集系統的整車匹配，包括傳感器插件、線束、網絡協議等，以及對電源、散熱和安全隱蔽的要求。

數據采集系統的簡單易操作、實時狀態監測很重要，數據采集的運行界面需要可以實時查看被測傳感器數據采集以及硬件連接的狀態，從而監控整個采集系統的運行狀況。

此外，越來越多的傳感器要求數據采集系統具有高帶寬要求。同時，由于上述自動駕駛中使用的傳感器獨立工作，如何關聯這些傳感器數據需要一個精確的時間同步系統。

當然，后續為了減少數據分析的難度，數據采集平臺需要支持數據標注，如將天氣條件，道路情況加以標記，以便進行數據挖掘和分析。

自動駕駛測試車數據采集界面

三、確保數據采集質量

在實車采集過程中，需要盡可能多的覆蓋各種用戶場景，一般來說，道路狀態、交通信號和標識，各類車輛和行人目標、天氣環境等都是影響自動駕駛的關鍵因素，在數據采集過程中，需要對這些數據進行科學的分類和匯總。

我們知道L3和更高級別的自動駕駛儀將生成大量數據。數據采集后，我們需要上傳到云端進行存儲。然而，數據存儲成本巨大，給汽車企業帶來了巨大的成本負擔。因此，有必要確保上傳到云的數據質量，以減少不必要的數據存儲浪費。

四、采集過程中的車隊監控管理

通常，車隊管理系統將在多輛車的實車測試項目中同時考慮。基于該系統可以實現車輛的實時定位和狀態監測，包括實時車輛運動狀態、實時車速等。還需要提供車輛駕駛數據統計，包括里程統計、報警統計、狀態統計等，以及駕駛員駕駛數據統計，包括駕駛員駕駛時間統計、里程統計、報警統計、DMS監控數據統計等。

系統一般具有報警信息推送功能，可對車輛異常狀態、采集系統異常運行、駕駛員DMS監控和實時報警進行監控和報警。總之，通過車輛管理系統，可以對被測車輛進行實時監控，從而保證數據采集系統的穩定高效運行。

車隊管理系統

艾克賽普公司是美國NI和眾多傳感器品牌以及各類測試儀器品牌的湖南地區合作伙伴，為大量客戶制定了各種研發測試環境下的數據采集解決方案，如果您有需求歡迎聯系我們，將提供免費樣機上門試用和更合適的測試解決方案。