4. 数据采集与标注

在特殊场景感知系统中，算法上限往往不由网络结构决定，而由数据质量决定。多传感器同步采集、时间戳对齐、标注规范与数据集构建流程，构成了从真实世界到可训练样本的完整链路。任何一个环节出现偏差，都会在训练中被放大为系统性误差。

一、核心原理：多源数据的时间一致性

激光雷达、相机、毫米波雷达、IMU 与 GNSS 的采样频率、触发机制和内部时钟各不相同。相机以固定帧率曝光，激光雷达按旋转周期扫描，IMU 以高频连续输出，GNSS 则依赖卫星授时。若直接按“收到数据”的顺序拼接，运动场景下会产生显著的空间错位。

因此，采集系统必须建立统一时间基准。常见做法是使用 PTP（精确时间协议）或 GPS 秒脉冲（PPS）为各传感器授时，将硬件触发信号作为共同起点，再通过软件时间戳记录每帧数据的采集时刻。时间戳对齐的目标，是让同一时刻的物理世界在不同传感器中可被一致表达。

二、方法流程：从采集到数据集

完整的数据集构建流程可拆为六个阶段：场景设计、同步采集、时间戳对齐、数据清洗、标注与质检、版本化发布。每个阶段都需要可追溯的记录，否则后期无法复现问题。

采集配置示例（YAML 片段）
sensors:
  lidar:   {model: 128线, rate: 10Hz,  trigger: PPS}
  camera:  {model: 全局快门, rate: 30Hz, trigger: 硬触发}
  radar:   {model: 4D成像, rate: 20Hz,  trigger: 软触发}
  imu:     {rate: 200Hz, clock: PTP}
sync:
  master: GNSS_PPS
  max_offset_ms: 2
  interpolation: linear

时间戳对齐通常分两步：先做粗对齐，按最近邻匹配各传感器帧；再做精对齐，利用 IMU 积分或运动补偿，将不同时刻的观测投影到同一参考时刻。对于高速运动场景，还需引入外参标定结果，把点云与图像统一到同一坐标系。

三、标注规范：让标签可被机器理解

标注规范不是“画框说明”，而是数据契约。它必须明确类别定义、边界规则、遮挡处理、截断判定、属性字段与忽略区域。以自动驾驶为例，同一辆被遮挡的车辆，在不同项目中可能被标为“部分可见”或“完全忽略”，若规范不统一，模型将学到矛盾信号。

规范还应包含正负样本比例、难例定义与标注一致性指标。常用一致性度量包括 IoU 阈值下的匹配率与类别一致率，低于阈值需返工。

四、标注工具与质检闭环

标注工具需支持多传感器联合显示：点云、图像、雷达与轨迹在同一时间轴上联动。工具应提供预标注、自动追踪、跨帧传播与快捷键操作，以降低人工成本。质检环节采用“标注—抽检—返修—再抽检”的闭环，并保留每次修改的版本记录。

五、典型场景与常见误区

在隧道、地下车库、强逆光与雨雾场景中，传感器退化模式不同。隧道内 GNSS 失锁，时间同步需切换为本地时钟保持；地下车库缺乏纹理，视觉标注需更多依赖点云与雷达。采集时应记录环境标签，便于后续按场景分层评估。

复盘时建议统计各环节耗时与返工率：采集同步失败率、时间戳偏移分布、标注一致性、质检拦截率。只有把数据链路当作工程系统来度量，才能持续产出高质量数据集。

综上，多传感器同步采集解决“同一时刻”的问题，时间戳对齐解决“同一空间”的问题，标注规范解决“同一语义”的问题，而数据集构建流程则把三者固化为可复现的工程能力。只有把数据链路当作与模型同等重要的对象来设计，特殊场景下的感知系统才具备稳定迭代的基础。