4、数据采集技术：传感器配置（摄像头、激光雷达、毫米波雷达）、采集车辆、采集场景与数据格式
数据采集是自动驾驶数据闭环的起点，其质量直接决定了后续感知模型训练的上限。业界有句名言："Garbage in, garbage out"，在自动驾驶领域，这句话的代价是数十亿公里的路测里程和数以万计的Corner Case。本章将深入剖析数据采集环节的三大核心支柱：传感器硬件配置、采集车辆改装与标定、以及场景规划与数据格式规范。我们将从工程实践角度出发，探讨如何设计一套高效、可靠、且具备成本效益的数据采集系统。
上图展示了数据采集系统的整体架构。从工程视角看，采集车辆是一个移动的数据中心，需要同时处理来自不同传感器的高吞吐量数据流。摄像头每秒产生约1.5GB数据（以8路800万像素、30fps计算），激光雷达每秒产生约100MB点云数据，毫米波雷达则相对轻量。这些数据必须经过精确的时间同步后，统一写入车载存储系统。下面我们将分模块深入探讨。
4.1 传感器配置：多模态感知的黄金组合
核心原理：不同传感器具有互补的物理特性。摄像头提供丰富的纹理和颜色信息，是目标识别和车道线检测的主力；激光雷达直接输出三维空间点云，精度高但受天气影响大；毫米波雷达对速度和金属目标敏感，且能穿透雨雾。三者融合可以实现"视觉看细节、激光看距离、雷达看速度"的冗余感知。
典型配置方案：以L4级Robotaxi为例，主流配置如下表所示：
| 传感器类型 | 数量 | 安装位置 | 关键参数 | 数据速率 |
|---|---|---|---|---|
| 800万像素摄像头 | 12 | 前视×3、后视×2、侧视×4、环视×3 | 1920×1080@30fps，HDR，全局快门 | ~1.5 GB/s |
| 128线激光雷达 | 2 | 车顶前向+后向 | 探测距离200m，精度±2cm，10Hz | ~100 MB/s |
| 64线激光雷达 | 2 | 左右两侧 | 探测距离150m，垂直视场40° | ~50 MB/s |
| 77GHz毫米波雷达 | 6 | 前角×2、后角×2、前向×1、后向×1 | 探测距离250m，速度精度±0.1km/h | ~5 MB/s |
| 组合惯导（RTK+IMU） | 1 | 车辆重心附近 | 定位精度2cm+1ppm，航向精度0.03° | ~1 MB/s |
4.2 采集车辆改装与标定
操作流程：采集车辆的改装需要遵循"结构安全、电磁兼容、散热可靠"三大原则。具体步骤如下：
- 底盘选型：优先选择具备线控接口的车型（如林肯MKZ、比亚迪秦EV等），确保可以接入油门、刹车、转向信号。
- 传感器支架设计：采用铝合金或碳纤维材质，通过有限元分析验证振动模态，避免在车辆行驶频率（15-30Hz）产生共振。
- 供电系统：加装隔离DC-DC电源模块，为传感器提供稳定的12V/24V电源，同时配备UPS电源，防止车辆启停时电压跌落。
- 工控机安装：放置在后备箱，采用减震支架，工作温度范围-20℃~70℃，支持-40℃冷启动。
- 标定流程：使用棋盘格标定板进行摄像头内参标定，使用反射靶标进行激光雷达与摄像头的外参联合标定，毫米波雷达则通过静态反射板进行角度校准。
4.3 采集场景规划与数据格式
场景规划方法：数据采集不能盲目"跑里程"，需要基于场景要素矩阵进行规划。核心维度包括：道路类型（高速/城市/乡村）、天气条件（晴/雨/雪/雾）、光照条件（白天/夜晚/黄昏/隧道）、交通流密度（畅通/拥堵/事故）、特殊场景（施工区/学校区域/收费站）。
数据格式规范：业界主流采用ROS2 Bag格式或自研的protobuf序列化格式。一个标准的数据包应包含：
sensor_data/
├── camera/
│ ├── front_center/
│ │ ├── 1690000000_000000.jpg
│ │ └── metadata.json
│ └── front_left/
├── lidar/
│ ├── front_top/
│ │ ├── 1690000000_000000.pcd
│ │ └── metadata.json
├── radar/
│ └── front_center/
├── imu/
│ └── imu_data.csv
├── gps/
│ └── gps_rtk.csv
└── vehicle_can/
└── can_bus.log每个传感器数据文件必须包含时间戳（纳秒级）、传感器ID、坐标系ID。推荐使用UTC时间戳，并记录时区偏移。对于激光雷达点云，建议保存为PCD格式并附带点云强度信息；摄像头图像保存为无损PNG或高质量JPEG（质量因子≥95）。
4.4 案例拆解：某Robotaxi公司数据采集系统优化
背景与约束：某公司拥有50辆采集车，每日采集里程约5000公里，但标注团队反馈数据有效率仅为35%，大量数据因模糊、遮挡或重复而无法使用。存储成本每月超百万元。
初始现象与目标：通过分析发现，主要问题集中在：1）夜间采集数据占比过高（40%），但夜间标注难度大、价值低；2）高速路段重复采集严重，而城中村、老旧小区等复杂场景覆盖率不足10%。目标是将数据有效率提升至60%以上。
关键输入数据与指标：调取一个月的数据日志，统计各场景占比、传感器健康状态、图像模糊度评分（使用Laplacian算子）、点云遮挡率等指标。
分析判断过程：通过数据可视化发现，夜间图像的平均模糊度评分为0.12（白天为0.35），且夜间激光雷达点云的有效反射率降低30%。同时，城中村场景的毫米波雷达多径干扰严重，导致目标误检率上升。
实际操作步骤：
- 调整采集时间策略：将夜间采集占比降至20%，增加清晨和黄昏时段（光照角度低，目标阴影长，利于感知模型训练）。
- 引入场景引导系统：基于高精地图和实时交通数据，动态规划采集路线，优先覆盖低覆盖率的区域。
- 增加传感器健康监测：实时检测摄像头镜头污损、激光雷达窗口脏污，自动触发清洁或标记无效数据。
- 实施数据质量门控：在采集端即进行初步质量评估，模糊图像直接丢弃，点云遮挡率超过40%的数据段自动标记。
结果对比与复盘：实施三个月后，数据有效率从35%提升至58%，存储成本下降25%。更重要的是，感知模型在复杂场景的mAP（平均精度均值）提升了7.2%。复盘经验：数据采集不是"越多越好"，而是"越准越好"。建立采集-标注-训练的质量反馈闭环，比单纯增加采集车辆更有效。
总结：数据采集是自动驾驶数据闭环的"入口"，其质量决定了整个系统的性能上限。传感器配置需要根据目标场景进行多模态融合设计，采集车辆改装要兼顾机械稳定性和电磁兼容性，场景规划要基于数据分布分析而非直觉，数据格式则需要为后续的标注和训练流程做好接口准备。一个成熟的数据采集系统，应当具备"感知-规划-执行-反馈"的闭环能力，持续优化采集效率和有效性。