4. 感知数据采集与标注规范
感知算法的量产交付，本质上是一场“数据驱动”的工程。模型在实验室里表现再好，如果训练数据没有覆盖真实道路的长尾场景，量产车上的表现就会大打折扣。本节围绕数据从“采回来”到“用起来”的完整链路，讲清楚采集车怎么配、什么时机触发采集、标注按什么规则做、质量怎么校验，以及数据如何闭环回流到模型迭代中。
一、量产数据采集车配置
采集车不是简单地把摄像头和雷达装上车，而是一套与量产传感器布局尽量对齐的移动采集平台。核心原则是：采集车的传感器外参、安装位置、视场角应尽可能贴近量产车型，否则采回来的数据分布与量产车实际看到的分布不一致，训练出的模型迁移到量产车上会出现系统性偏差。
典型配置包括：前视800万像素摄像头（约120°水平视场角，负责远距车道线与车辆检测）、侧前/侧后摄像头（约100°～120°，覆盖盲区与变道场景）、后视摄像头（约60°～100°）、前向毫米波雷达（77GHz，探测距离约200m）、角雷达（覆盖侧后方）、以及可选的低线束或高线束激光雷达用于真值生成。所有传感器需完成时间同步（PTP或GPS秒脉冲，同步误差控制在1ms以内）和空间标定（外参标定误差控制在0.1°以内）。
数据存储方面，通常采用车载工业级SSD或NVMe阵列，单日原始数据量可达数TB。采集主机需具备实时数据落盘能力，避免丢帧。同时记录车辆CAN总线数据（车速、转向角、制动状态）和GPS/IMU位姿信息，为后续场景切片和真值对齐提供依据。
二、触发策略：从“全量录”到“按需采”
如果采集车全天候全量录制，数据量会迅速膨胀，且大量数据是重复的直行跟车场景，对模型提升价值有限。因此量产数据采集普遍采用触发式采集策略，只在“有价值”的时刻保存数据。
常见触发条件分为三类：
- 事件触发：AEB触发、急刹车（减速度大于3m/s²）、急转向、车道偏离预警、驾驶员接管等。这类场景直接对应功能边界，价值最高。
- 场景触发：进入特定地理围栏（如施工区、隧道、收费站）、检测到特定目标（锥桶、异形车辆、动物）、天气突变（雨刷启动、光照骤变）。
- 周期触发：按固定时间间隔（如每30秒）保存一段数据，用于维持基础场景的分布覆盖，防止模型对常规场景过拟合。
触发后通常保存触发时刻前后各10～30秒的数据片段（称为“clip”），并附带触发类型标签。这样既保留了上下文，又控制了单条数据的体积。
三、标注规则：让机器“看懂”的标准化语言
标注规则是数据质量的基石。感知标注通常包括2D框、3D框、语义分割、车道线、可行驶区域等类型。以3D框标注为例，规则需要明确以下要点：
- 框的尺寸与朝向：车辆3D框的长宽高按真实物理尺寸标注，朝向角以车辆前进方向为基准，逆时针为正。对于被遮挡目标，需根据可见部分和上下文合理推断完整框。
- 遮挡与截断属性：遮挡比例分为0（无遮挡）、1（遮挡1%～50%）、2（遮挡50%～80%）、3（遮挡80%以上）；截断表示目标是否被图像边界裁切。这两个属性直接影响模型对目标可见性的判断。
- 时序一致性：同一目标在连续帧中的ID必须保持一致，框的尺寸和朝向变化应平滑，不允许出现跳变。这要求标注工具支持跨帧传播和人工修正。
- 忽略区域：对于无法判断或不属于标注类别的区域（如远处模糊目标、广告牌上的车辆图案），标记为“忽略”，训练时不计算损失。
标注规则文档需要配大量正反示例图，并定期更新。每次规则变更都要对标注团队进行培训和考核，考核通过率低于95%不允许上岗。
四、质量校验：三道防线
标注质量不能只靠“信任”，必须建立可量化的校验机制。量产项目中通常设置三道防线：
第一道：自动预检。用脚本检查标注文件的格式完整性、框的尺寸是否在合理范围（如车辆长度2～18m）、朝向角是否连续、ID是否重复等。自动预检能拦截约60%～70%的低级错误。
第二道：人工抽检。按不低于5%的比例随机抽取标注结果，由资深标注员或算法工程师逐帧复核。抽检发现错误率超过2%时，该批次全部返工。抽检不仅要看单帧，还要看时序连续性。
第三道：模型反馈校验。用当前模型对标注数据做推理，对比模型输出与标注真值的差异。如果某个类别的标注与模型预测系统性不一致，可能是标注规则有歧义或标注错误。这种方法能发现人工抽检难以察觉的规则性问题。
五、数据闭环管理
数据闭环的核心是让每一轮采集和标注都能直接服务于模型能力的提升。闭环流程通常包括：场景切片与检索、难例挖掘、数据版本管理、训练与回归验证、以及问题回流。
场景切片是将原始clip按场景标签（如“雨天-城市-十字路口-左转”）建立索引，方便按需检索。难例挖掘则通过模型置信度低、与真值偏差大、或触发事件关联等策略，从海量数据中筛选出对模型最有价值的样本。数据版本管理要求每次训练使用的数据集都有唯一版本号，记录数据来源、标注版本、筛选条件，确保实验可复现。
回归验证是闭环的关键闸门：新模型必须在固定测试集上通过指标门槛（如mAP提升不低于0.5%，且关键场景不退化），才能进入下一轮。如果发现某类场景持续表现差，就触发针对性补采和补标，形成“采集→标注→训练→验证→补采”的循环。
总结来说，量产感知数据采集与标注规范的核心在于：采集车对齐量产传感器、触发策略聚焦高价值场景、标注规则统一且可执行、质量校验多层拦截、闭环管理让数据持续反哺模型。这五个环节环环相扣，任何一环的缺失都会导致数据资产无法有效转化为量产能力。