4. 数据预处理与特征工程

感知失败案例聚类与根因分析的质量，很大程度上取决于输入数据是否被整理成“可比较、可对齐、可解释”的统一表示。原始多传感器数据往往来自不同频率、不同时间基准、不同坐标系的设备，若直接送入聚类或根因分析，得到的簇很可能只是传感器差异或时间漂移的产物，而非真正的感知失败模式。因此，本章聚焦四个关键环节：时间同步、坐标对齐、目标跟踪与场景描述及特征提取。

4.1 时间同步：建立统一时间基准

多传感器系统中，摄像头、激光雷达、毫米波雷达、组合导航等设备各自拥有独立时钟。时间同步要解决两个问题：一是绝对时间对齐，即把各传感器时间戳映射到统一时钟；二是相对时间对齐，即通过插值或外推获得同一时刻的观测。常用方法包括硬件触发同步、PTP/NTP 网络同步以及基于运动估计的软件同步。

工程上通常先做时间戳检查，识别时钟漂移、丢帧和乱序，再按固定周期重采样。对于高频雷达与低频摄像头，可采用线性插值或样条插值；对于存在明显运动的目标，插值需结合自车运动补偿，否则会产生“虚假位移”。

# 时间同步伪代码示例
for each frame_time in master_clock:
    cam_data = interpolate(camera_stream, frame_time)
    lidar_data = nearest(lidar_stream, frame_time, max_dt=50ms)
    radar_data = interpolate(radar_stream, frame_time)
    if any(data is None):
        mark_as_invalid(frame_time)
    else:
        sync_frame = merge(cam_data, lidar_data, radar_data)

4.2 坐标对齐：统一空间参考系

坐标对齐的目标是把不同传感器坐标系下的观测统一到同一参考系，通常选择自车后轴中心或车辆几何中心作为基准。流程包括：标定外参、坐标变换、地面拟合与动态补偿。外参标定误差会直接放大为空间偏差，因此需定期校验。

对于感知失败分析，坐标对齐不仅要看静态变换，还要关注动态因素：车辆俯仰、侧倾、悬架变化都会导致传感器相对位姿变化。若忽略这些因素，同一目标在融合结果中可能出现“跳变”，被误判为跟踪失败。

• 外参标定：确定各传感器到自车坐标系的旋转与平移。
• 坐标变换：将点云、检测框、雷达目标统一到自车坐标系。
• 地面拟合：估计道路平面，修正俯仰与高度偏差。
• 动态补偿：结合 IMU 与轮速，补偿车辆姿态变化。

4.3 目标跟踪：维持身份一致性

目标跟踪把逐帧检测结果关联成轨迹，为每个目标分配稳定 ID。常用方法有卡尔曼滤波、匈牙利匹配、JPDA 以及基于深度学习的端到端跟踪。跟踪质量直接影响特征提取：若 ID 频繁切换，同一目标的运动特征会被拆散，聚类时容易形成虚假类别。

在失败案例中，跟踪问题常表现为：目标丢失后重新出现被分配新 ID、相邻目标 ID 互换、静止目标被误判为运动。分析时应记录跟踪生命周期、关联代价、丢失原因等元数据，作为根因分析的证据。

4.4 场景描述与特征提取

场景描述是把感知结果转化为可计算的特征向量。特征可分为四类：目标级特征、关系级特征、场景级特征和失败级特征。目标级包括位置、速度、加速度、朝向、尺寸、类别置信度；关系级包括目标间距离、相对速度、TTC、遮挡关系；场景级包括道路曲率、车道数、光照、天气、交通密度；失败级包括漏检、误检、ID 切换、位置偏差等。

特征提取后需做归一化与降维，避免量纲差异主导距离度量。常用方法包括 Min-Max 归一化、Z-Score 标准化、PCA 或自编码器降维。对于类别型特征，可采用独热编码或嵌入表示。

# 特征向量示例
feature = {
  "obj_speed": 12.4,
  "obj_accel": -1.2,
  "ttc": 3.8,
  "occlusion_ratio": 0.35,
  "light": "night",
  "weather": "rain",
  "road_curvature": 0.02,
  "failure_type": "late_detection"
}

4.5 案例：一次夜间误检的预处理复盘

某夜间场景中，感知系统将路边反光标识误检为车辆。原始数据看似是检测模型问题，但预处理复盘发现：摄像头与雷达时间戳偏差约 120ms，导致雷达目标与图像检测框错误关联；同时坐标对齐未补偿车辆俯仰，反光标识被投影到车道内。经过时间同步与姿态补偿后，该误检在融合阶段被正确抑制。这说明预处理不是“清洗数据”的附属步骤，而是根因分析的关键证据链。

综上，时间同步、坐标对齐、目标跟踪与场景描述及特征提取构成了一条完整的预处理链路。每一步都会影响最终特征的可比性与可解释性。只有在统一时间、统一空间、统一身份、统一语义的基础上，感知失败案例的聚类结果才能真实反映失败模式，根因分析才能落到具体环节，而不是停留在“模型不准”的笼统结论上。