一、引言

每一次不常見天氣下的緊急制動，每一段復雜路況中的精準識別，本質(zhì)都在考驗算法對現(xiàn)實世界的適應能力。因此，我們可以看到在智能輔助駕駛從“功能驗證”到“場景攻堅”的關(guān)鍵階段，真實、高質(zhì)量的數(shù)據(jù)是算法性能提高的基石。尤其在不常見天氣、顛簸路面和電磁干擾等惡劣工況下，如何實現(xiàn)多源傳感器數(shù)據(jù)的高可靠采集、高精度同步與高效率處理，是行業(yè)中常遇到的難題。

下文將結(jié)合行業(yè)實踐，系統(tǒng)拆解多總線（CAN/LIN/100BASE-T1等）數(shù)據(jù)采集方案的核心痛點、架構(gòu)設計、同步策略與系統(tǒng)搭建，為從事智能汽車數(shù)據(jù)閉環(huán)開發(fā)的工程師提供一套可落地的技術(shù)參考。

二、關(guān)鍵技術(shù)挑戰(zhàn)

多總線數(shù)據(jù)采集常被簡化為硬件連接問題，但在工程化落地時，需系統(tǒng)應對四重挑戰(zhàn)，這直接決定了數(shù)據(jù)能否真正用于算法迭代。

協(xié)議與接口復雜：常用一套硬件同步采集車載以太網(wǎng)、CAN/CAN FD、FlexRay、LIN及多路視頻，并支持靈活擴展以適應不同測試場景。

時間同步要求很高：多傳感器數(shù)據(jù)融合依賴納秒級時間對齊，且須在系統(tǒng)啟動異常（如時間復位）等邊緣場景下保持同步不中斷。

車規(guī)級可靠性嚴苛：系統(tǒng)在-40℃~85℃、持續(xù)振動及強電磁干擾環(huán)境中穩(wěn)定運行，并通過冗余設計杜絕數(shù)據(jù)丟失。

數(shù)據(jù)需直接賦能算法：采集系統(tǒng)應支持基于工程數(shù)據(jù)庫的信號級解碼，并輸出與平臺無縫銜接的格式，提升數(shù)據(jù)可用性。

三、硬件架構(gòu)設計

為應對上述挑戰(zhàn)，硬件系統(tǒng)需采用模塊化、車規(guī)化、高密度的設計思路。以下是一個經(jīng)過驗證的架構(gòu)實例：

（1）核心記錄單元：采用強固型工控機，采用寬溫操作與豐富擴展槽，為后續(xù)擴展提供地基。

（2）總線采集網(wǎng)絡（關(guān)鍵）：

• a. 以太網(wǎng)部分：通過 CM 100 HIGH 模塊接入多達12路100BASE-T1車載以太網(wǎng)，這是智駕數(shù)據(jù)主干。

• b. 傳統(tǒng)總線部分：CM CAN COMBO 模塊可靈活配置，單模塊提供6路CAN/CAN FD + 1路FlexRay，通過組合滿足不同車型需求。

（3）網(wǎng)關(guān)與交換：Enhanced Ethernet Switch 實現(xiàn)多路數(shù)據(jù)匯聚，并通過萬兆光口上傳，避免數(shù)據(jù)瓶頸。

（4）視頻輸入：采用支持UVC協(xié)議的工業(yè)相機，通過USB3.0接入，由軟件實現(xiàn)多路視頻幀級時間對齊。

該架構(gòu)的精髓在于“模塊化”：工程師可根據(jù)具體車型的拓撲（如集中式E/E架構(gòu)或域控架構(gòu)），像搭積木一樣增減對應的采集模塊，而非重新設計整個系統(tǒng)。

四、同步策略

同步方案采用 IEEE 802.1AS（gPTP） 作為骨干協(xié)議，并設計了智能策略應對復雜場景：

（1）主從同步（正常工況）：以智能駕駛域控制器為全局時鐘源（Master），通過支持gPTP的交換機，以透明時鐘（Transparent Clock） 模式逐級向下游采集模塊（Slave）授時，補償傳輸延遲，實現(xiàn)全網(wǎng)納秒級同步。

（2）混合同步（邊緣場景）：當檢測到域控制器時間為初始值（如1970年），系統(tǒng)自動切換至“NTP + gPTP”融合模式：

（3）秒級以上時間由工控機通過NTP從可靠源（如GPS）獲取。

（4）亞秒級（納秒精度）仍通過gPTP與域控的硬件時鐘保持同步。

（5）智能評判服務持續(xù)監(jiān)測，待域控時間恢復正常后，無縫切回純gPTP模式。

五、軟件系統(tǒng)搭建

軟件將硬件采集的原始比特流，轉(zhuǎn)化為可供分析的價值數(shù)據(jù)流。

（1）采集層：采用 DPDK對萬兆以太網(wǎng)數(shù)據(jù)進行“零拷貝”抓取，極大降低CPU開銷與延遲。視頻采集則通過 V4L2 框架。

（2）存儲管理層：設計環(huán)形緩沖區(qū)與文件輪轉(zhuǎn)策略（例如：單個文件達10GB或時長達30分鐘即新建文件），平衡寫入效率與文件管理便利性。支持 PCAPNG（網(wǎng)絡幀）、ROS2 Bag（視頻與自定義消息）等格式并行落盤。

（3）服務層：

a. 實時可視化：將指定總線數(shù)據(jù)流實時轉(zhuǎn)發(fā)至 CANoe 等專業(yè)工具，實現(xiàn)信號級在線解析與繪圖。

b. 統(tǒng)一配置平臺：基于Web的GUI，可集中配置所有分散的總線采集模塊參數(shù)（如CAN波特率、以太網(wǎng)VLAN），提升運維效率。

c. 數(shù)據(jù)交付：可按算法團隊需求，自動將數(shù)據(jù)轉(zhuǎn)換為 MDF、BLF、ASC 等不同格式，并推送至指定存儲或云平臺。

六、總結(jié)

一套能支撐智能駕駛研發(fā)的數(shù)據(jù)采集系統(tǒng)，不是通過接口設備的簡單堆砌。它常需要滿足以下要求：

硬件層面：以車規(guī)級可靠性為基礎，用模塊化設計應對不確定性。

同步層面：以高精度協(xié)議為基準，用智能策略應對真實世界的復雜場景。

軟件層面：以高效采集為核心，以服務化思想提供數(shù)據(jù)價值。

通過這樣的方式，數(shù)據(jù)才能從測試車采集流程中，高效轉(zhuǎn)化為驅(qū)動算法迭代的高價值資產(chǎn)。