2. 自动驾驶数据基础

自动驾驶系统并不是“先有算法，再找数据”的工程，而是“数据定义问题边界，算法逼近数据分布”的系统工程。感知模型能否识别异形车辆、无保护左转、施工锥桶，规划控制能否在雨夜、隧道口、强逆光下保持稳定，本质上都取决于训练与评测数据是否覆盖了这些场景。数据在自动驾驶中的核心作用可以概括为三点：定义系统能力边界、驱动模型迭代闭环、支撑安全验证与责任追溯。没有高质量、多模态、可追溯的数据，端到端训练与评测就失去了基准。

一、数据在自动驾驶中的核心作用

从工程链路看，数据贯穿“采集—标注—训练—仿真—评测—回灌”全流程。感知模型需要图像与点云提供环境几何与语义；定位模块需要IMU、GPS与轮速融合提供位姿；车辆控制与行为预测需要CAN总线提供车速、转向角、制动状态等底盘信号。数据不仅是模型的输入，也是评测的“考卷”。如果评测集与训练集同分布，指标会虚高；只有引入独立场景库、长尾场景和对抗样本，才能暴露真实短板。

二、六类核心数据类型及其作用

自动驾驶数据通常分为六类：图像、点云、雷达、IMU、GPS、CAN总线。它们不是简单叠加，而是按时间戳对齐后形成多模态数据包。

• 图像：前视、环视、侧视相机提供丰富纹理与语义，适合检测车道线、交通标志、行人、车辆。缺点是受光照、天气影响大，缺乏直接深度。
• 点云：激光雷达输出三维点云，提供精确距离与几何结构，适合障碍物检测、可行驶区域分割和SLAM。缺点是稀疏、无纹理，远距离点密度下降。
• 雷达：毫米波雷达输出距离、速度、角度，穿透雨雾能力强，适合自适应巡航与盲区监测。缺点是角分辨率低、点云噪声大。
• IMU：提供加速度与角速度，高频输出，用于短时位姿推算和运动补偿。缺点是存在零偏与积分漂移。
• GPS：提供全局绝对位置，RTK可达到厘米级，但城市峡谷、隧道内易失锁。
• CAN总线：提供车速、方向盘转角、制动踏板、档位、灯光等车辆状态，是控制与行为分析的关键真值。

多传感器融合的关键是时间同步与外参标定。常见做法是以GPS秒脉冲或PTP作为统一时钟，将各传感器时间戳对齐到同一时间基准，再通过标定得到相机—激光雷达—IMU之间的外参矩阵。

三、数据采集平台与传感器配置

典型采集车由传感器套件、计算单元、存储单元、供电与同步模块组成。传感器配置需根据目标场景选择：高速场景强调远距前视与长距雷达；城区场景强调环视相机、激光雷达与高精度定位；泊车场景强调近距超声波与环视。

四、采集配置示例与数据组织

以下是一个采集配置片段，用于说明传感器参数与同步设置。实际工程中通常以YAML或JSON描述，并随数据包一起版本化。

sensors:
  camera_front:
    type: camera
    resolution: 1920x1080
    fps: 30
    trigger: gps_pps
  lidar_top:
    type: lidar
    channels: 128
    range: 200m
    fps: 10
    trigger: gps_pps
  radar_front:
    type: radar
    range: 250m
    fps: 20
  imu:
    type: imu
    rate: 200Hz
  gps:
    type: rtk
    rate: 10Hz
  can:
    type: can
    rate: 50Hz
sync:
  master: gps_pps
  max_offset_ms: 5

数据包通常按“场景—片段—帧”组织，每帧包含各传感器原始数据、时间戳、标定参数和车辆状态。采集后需进行完整性校验、时间对齐、去畸变、点云运动补偿和脱敏处理。

五、常见误区与复盘

复盘时应建立数据质量看板：时间同步误差、标定残差、点云缺失率、图像过曝比例、GPS失锁时长、CAN丢帧率。只有把这些指标纳入采集验收，后续训练与评测才具备可信基础。

综上，数据是自动驾驶系统的“燃料”与“标尺”。理解六类数据的物理含义、采集平台配置与同步标定要求，是后续数据清洗、标注、训练与评测工程的前提。只有把数据质量指标前置到采集环节，端到端训练与评测才能建立在可信基础之上。