NI 采集测试车辆大量多元场景化数据解决方案

随着自动驾驶企业路测里程不断累积，产生了大量多元场景化数据。这些数据是如何采集得到的，后续又要如何清洗、分类、标注？下面将为您详细介绍。

一、传感器增多，数据采集挑战重重

随着自动驾驶由L2向L3进阶，车上配置的传感器越来越多，例如，L2一般需要8个超声波传感器、1个毫米波雷达、7个摄像头，而L3会增加高分辨率的激光雷达，超声波传感器、毫米波雷达等传感器的数量也随之增多。传感器越来越多，产生的数据量越来越大，这对ADAS数据记录来说是一个巨大的挑战。

注：资料来源于麦姆斯咨询、国金证券研究所

二、满足高带宽、数据同步的需求

OEM制造商需要配备数据记录器的测试车辆来收集与自动驾驶相关的数据。采集的对象包括摄像机、毫米波雷达、激光雷达、车辆总线等。采集的数据类型通常包括语音、图像和多模态数据。这些数据可以在实验室中准确模拟一些交通状况，测试ADAS传感算法和控制逻辑，从而节省大量测试和验证时间。

自动驾驶测试车辆的配置也是一门知识。这些传感器从整车布局的安装结构设计、FOV验证到实车的组装和校准，都需要精确稳定的位置，以便同步采集不同位置的传感器数据。同时，需要考虑采集系统的整车匹配，包括传感器插件、线束、网络协议等，以及对电源、散热和安全隐蔽的要求。

数据采集系统的简单易操作、实时状态监测很重要，数据采集的运行界面需要可以实时查看被测传感器数据采集以及硬件连接的状态，从而监控整个采集系统的运行状况。

此外，越来越多的传感器要求数据采集系统具有高带宽要求。同时，由于上述自动驾驶中使用的传感器独立工作，如何关联这些传感器数据需要一个精确的时间同步系统。

当然，后续为了减少数据分析的难度，数据采集平台需要支持数据标注，如将天气条件，道路情况加以标记，以便进行数据挖掘和分析。

自动驾驶测试车数据采集界面

三、确保数据采集质量

在实车采集过程中，需要尽可能多的覆盖各种用户场景，一般来说，道路状态、交通信号和标识，各类车辆和行人目标、天气环境等都是影响自动驾驶的关键因素，在数据采集过程中，需要对这些数据进行科学的分类和汇总。

我们知道L3和更高级别的自动驾驶仪将生成大量数据。数据采集后，我们需要上传到云端进行存储。然而，数据存储成本巨大，给汽车企业带来了巨大的成本负担。因此，有必要确保上传到云的数据质量，以减少不必要的数据存储浪费。

四、采集过程中的车队监控管理

通常，车队管理系统将在多辆车的实车测试项目中同时考虑。基于该系统可以实现车辆的实时定位和状态监测，包括实时车辆运动状态、实时车速等。还需要提供车辆驾驶数据统计，包括里程统计、报警统计、状态统计等，以及驾驶员驾驶数据统计，包括驾驶员驾驶时间统计、里程统计、报警统计、DMS监控数据统计等。

系统一般具有报警信息推送功能，可对车辆异常状态、采集系统异常运行、驾驶员DMS监控和实时报警进行监控和报警。总之，通过车辆管理系统，可以对被测车辆进行实时监控，从而保证数据采集系统的稳定高效运行。

车队管理系统

艾克赛普公司是美国NI和众多传感器品牌以及各类测试仪器品牌的湖南地区合作伙伴，为大量客户制定了各种研发测试环境下的数据采集解决方案，如果您有需求欢迎联系我们，将提供免费样机上门试用和更合适的测试解决方案。