一、自动驾驶数据采集概述
1.1 自动驾驶系统架构简介
聊自动驾驶之前，我们先看看它的整体架构。说白了，一辆能自己跑的车，核心就三块：感知、决策、控制。
感知层负责「看」和「听」。摄像头、激光雷达、毫米波雷达、超声波传感器……这些设备把周围环境变成数据。我早期做项目时，最头疼的就是传感器标定——装歪一度，后面全白干。
决策层负责「想」。感知数据进来后，预测模块判断行人会不会过马路，规划模块算出一条安全路径。嗯，这里有个坑：决策模块的输入质量，完全取决于数据采集的精度。
控制层负责「动」。方向盘打多少、油门踩多深，都由它执行。控制算法再牛，如果采集的车辆状态数据有延迟，那也是纸上谈兵。
核心观点：数据采集贯穿整个架构。没有高质量的数据，感知是瞎子，决策是傻子，控制是疯子。
下面这张图，是我自己画的一个简化版架构。你看一眼就明白了。
1.2 数据采集在自动驾驶中的核心作用
你想想看，自动驾驶算法本质上是个「数据驱动」的东西。模型再漂亮，没有真实场景数据喂进去，它就是一堆数学公式。
数据采集的作用，我总结为三点：
- 训练算法模型——感知模型需要标注好的图像、点云数据。我记得有一次，团队花了两周采集高速场景数据，结果发现大部分都是直道，弯道样本严重不足。后来专门补采，模型性能才上去。
- 验证系统可靠性——仿真测试跑一万遍，不如真实路测一小时。为什么？因为真实世界的 corner case 你根本想不到。比如突然窜出来的猫、逆光下的行人。
- 持续迭代优化——自动驾驶没有「做完」一说。今天采集的数据，明天可能就发现新问题。我习惯在每个版本发布前，专门跑一遍「数据回放」，看看有没有异常。
我的经验：数据采集不是越多越好。关键在「覆盖度」——各种天气、光照、道路类型、交通参与者行为都要有。我曾经见过一个团队，采集了 100TB 数据，但 80% 都是晴天直道，你说这数据价值有多大？
1.3 主流数据采集平台介绍
目前业界用得最多的，就是百度的 Apollo 和 Google 的 Waymo。我两个平台都深度用过，说说我的感受。
Apollo 数据采集平台
Apollo 是开源的，这对我们做研发来说太友好了。它的数据采集框架叫 Cyber RT，支持多传感器数据同步录制。
核心特点：
- 支持激光雷达、摄像头、毫米波雷达、IMU 等多种传感器
- 数据格式为
.record文件，方便回放和转换 - 提供可视化工具 DreamView，可以实时查看采集效果
我刚开始用 Apollo 时，踩过一个坑：传感器时间戳不同步。后来发现是 PTP 时钟配置没弄对。嗯，这个后面章节会详细讲。
Waymo 数据采集平台
Waymo 不开源，但它的公开数据集 Waymo Open Dataset 是行业标杆。采集车搭载了 5 个激光雷达、多个摄像头和雷达。
核心特点：
- 传感器配置极其丰富，覆盖 360 度无死角
- 数据标注质量高，包含 2D/3D 检测框、轨迹、语义分割
- 提供场景标签（如「夜间」、「雨天」、「施工区域」）
说实话，Waymo 的数据质量确实高。但它的采集硬件成本也高得吓人——一套传感器系统据说要几十万美元。
平台对比
| 对比项 | Apollo | Waymo |
|---|---|---|
| 开源程度 | 完全开源 | 仅公开数据集 |
| 传感器配置 | 可自定义 | 固定配置 |
| 数据格式 | .record | .tfrecord |
| 适用场景 | 研发、教学、定制化 | 算法验证、竞赛 |
| 硬件成本 | 中等（约 5-10 万美元） | 极高（约 30-50 万美元） |
避坑指南：我曾经帮一个客户选型，他们想用 Waymo 的配置做量产车采集。我直接劝退了——成本太高，而且传感器布局不适合他们的车型。后来改用 Apollo 方案，省了 60% 的成本。
说到底，选哪个平台取决于你的目标。做研究、搞教学，Apollo 是首选。做顶级算法验证、发论文，Waymo 数据集更合适。
好了，这一章就到这里。数据采集这件事，看着简单，做起来全是细节。后面我们会一步步拆解，从传感器选型到数据存储，每个环节我都会把踩过的坑讲给你听。