2. 自动驾驶数据基础

自动驾驶的轨迹与行为标签工程，本质上是在“传感器原始观测”与“语义化驾驶行为”之间建立可计算、可追溯的映射。理解传感器类型、采集流程、轨迹格式、标签定义和公开数据集，是后续做轨迹预测、行为识别与场景挖掘的前提。本节从数据链路出发，把这条链路拆成五个关键环节，并给出可落地的工程视角。

一、传感器类型：互补而非替代

自动驾驶车辆通常搭载多类传感器，它们的时间同步、空间标定和语义层次各不相同。摄像头提供稠密纹理与颜色，适合识别车道线、交通标志和行人意图；激光雷达提供精确三维几何，适合障碍物定位与可行驶区域分割；毫米波雷达对速度敏感、穿透雨雾能力强，常用于目标跟踪；IMU与轮速计提供自车运动先验；GNSS/RTK提供全局定位。多传感器融合的核心不是“谁替代谁”，而是利用互补性降低不确定性。

在标签工程中，不同传感器对应不同的标注对象：图像帧用于2D框与车道线，点云用于3D框与语义分割，融合结果用于轨迹与行为标签。因此，数据采集时必须记录传感器内外参、时间戳和坐标系定义，否则后续轨迹对齐会出现系统性偏差。

二、数据采集流程：从触发到入库

一条完整的数据采集链路通常包括：场景触发、传感器同步采集、时间戳对齐、标定校验、数据落盘、脱敏与质检、入库与索引。触发策略可以是人工接管、特定场景检测（如无保护左转、加塞）或随机采样。采集时需保证各传感器时间戳统一到同一时钟源，常见做法是使用PTP或GPS秒脉冲同步。

采集配置示例（YAML）：
sensors:
  - name: camera_front
    type: camera
    fps: 30
    resolution: 1920x1080
  - name: lidar_top
    type: lidar
    rate: 10Hz
    channels: 128
sync:
  clock_source: gps_pps
  max_offset_ms: 5
storage:
  format: rosbag
  chunk_size_mb: 512

质检环节要重点检查：时间戳是否单调、点云是否丢帧、图像是否过曝、标定是否漂移。很多轨迹标签错误并非算法问题，而是采集阶段同步或标定异常导致的。

三、轨迹数据格式：从原始位姿到结构化轨迹

轨迹数据通常由自车位姿序列或目标物历史轨迹构成。自车轨迹常见字段包括时间戳、位置(x,y,z)、姿态(四元数或欧拉角)、速度、加速度、曲率；目标轨迹则包括目标ID、类别、尺寸、历史帧位姿和置信度。工程中常用格式有ROS bag、nuScenes的JSON表、Argoverse的CSV/Parquet、以及自定义的Protobuf。选择格式时需权衡读取效率、可扩展性和跨团队兼容性。

轨迹对齐的关键是坐标系转换：传感器坐标系→车辆坐标系→世界坐标系。若忽略外参或时间偏移，轨迹会出现“漂移”或“抖动”，进而污染行为标签。

四、行为标签定义：从连续轨迹到离散语义

行为标签是对轨迹片段的语义抽象，常见类别包括：跟车、换道、超车、左转、右转、掉头、停车、起步、避让、加塞等。定义标签时要明确三要素：时间窗口、空间范围、判定阈值。例如“换道”可定义为：车辆横向位移超过车道宽度的一定比例，且持续时间内跨越车道线。标签可以是单帧的，也可以是片段级的；片段级标签更适合行为识别与预测。

标签体系要避免歧义：同一段轨迹可能同时满足“超车”和“换道”，需要定义优先级或互斥规则。常见做法是建立标签层级：先判定宏观行为（换道），再判定微观意图（加速换道/减速换道）。

五、常见数据集与对比

公开数据集是算法验证与标签工程的重要参考。下表对比了几个主流数据集的关键特征：

选择数据集时，要关注其标签定义是否与自身业务一致。例如HighD的换道标签基于高速公路场景，直接迁移到城市道路可能失效。因此，公开数据集更适合做预训练或对比实验，最终标签体系仍需结合自身采集数据重新校准。

六、误区与复盘

复盘时建议建立“数据-标签-模型”闭环：每次模型误差回溯到标签定义，检查是否存在边界模糊或阈值不合理；每次标签修订都要记录版本，保证可复现。只有把传感器、采集、轨迹、标签和数据集五个环节打通，轨迹与行为标签工程才能真正支撑自动驾驶的感知、预测与决策。