多總線數據采集的案例
汽車多總線數據采集：挑戰、架構與同步策略全解析
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”的關鍵階段，真實、高質量的數據是算法性能提高的基石。尤其在極端天氣、顛簸路面和電磁干擾等惡劣工況下，如何實現多源傳感器數據的高可靠采集、高精度同步與高效率處理，是行業中常遇到的難題。
下文將結合行業實踐，系統拆解多總線（CAN/LIN/100BASE-T1等）數據采集方案的核心痛點、架構設計、同步策略與系統搭建，為從事智能汽車數據閉環開發的工程師提供一套可落地的技術參考。
二、關鍵技術挑戰
多總線數據采集常被簡化為硬件連接問題，但在工程化落地時，需系統應對四重挑戰，這直接決定了數據能否真正用于算法迭代。
協議與接口復雜：常用一套硬件同步采集車載以太網、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。
時間同步要求極高：多傳感器數據融合依賴納秒級時間對齊，且須在系統啟動異常（如時間復位）等邊緣場景下保持同步不中斷。
車規級可靠性嚴苛：系統在-40℃~85℃、持續振動及強電磁干擾環境中穩定運行，并通過冗余設計杜絕數據丟失。
數據需直接賦能算法：采集系統應支持基于工程數據庫的信號級解碼，并輸出與平臺無縫銜接的格式，提升數據可用性。
三、硬件架構設計
為應對上述挑戰，硬件系統需采用模塊化、車規化、高密度的設計思路。以下是一個經過驗證的架構實例：
（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，為后續擴展提供地基。
（2）總線采集網絡（關鍵）：
a. 以太網部分：通過 CM 100 HIGH 模塊接入多達12路100BASE-T1車載以太網，這是智駕數據主干。
b.
展開 總線：物聯網無人機集群輔助下的區塊鏈數據采集方案
無人機集群：無人機集群從物聯網設備收集數據，并將這些數據傳輸到最近的服務器。
服務器：服務器保存物聯網設備的數據，每個數據都存儲在區塊鏈中。
衛星：在移動網絡不可用的位置，總線利用衛星從物聯網設備獲取數據，無人機群可以通過衛星與PC保持通信。
總線的目的是安全地從物聯網設備收集數據，并將這些數據存儲到保持其完整性的服務器中。在總線中，每個參與者（包括物聯網設備和無人機）都必須在參與總線之前向服務器注冊。部署無人機集群之前，服務器創建一個任務，并利用智能合約（SC）將該任務信息存儲在區塊鏈中。然后，所有的無人機群必須在任務中注冊他們的公鑰，無人機集群中的每個無人機創建一個共享密鑰并與物聯網設備共享。總線在實體（即物聯網無人機、無人機-無人機、無人機服務器）之間使用不同的鏈路，每個鏈路具有不同的信道狀態。當一個數據到達無人機時，無人機會對其進行處理，處理后無人機會將其添加到隊列中，然后再轉發給下一個實體。總線雖然有不同的鏈路，但在數據采集過程中保持了一致性。在總線中，每個塊在同一塊中包含多個數據，例如（1）Header和（2）Body，如圖2所示。標頭包含塊的哈希、nonce、timestamp、Merkle根和前一個塊的哈希。正文包含從物聯網設備收集的數據。正文中可能存儲一個或多個數據。
圖2 區塊鏈內部的數據管理
仿真結果表明，總線成功地利用了hash-bloom過濾器，能夠完全過濾惡意設備。通過對結果和安全性分析表明，利用無人機作為物聯網設備的輔助，不僅擴展了物聯網的連通性，而且有助于降低物聯網的能耗。
飛思集群研發平臺
飛思集群研發平臺是飛思實驗室專為無人系統集群協同研究而開發的研發平臺。
展開 賦能智慧隧道施工：工程車輛多模態數據采集系統
近期，在和眾多該類客戶的溝通過程中，我們觀察到了一些被頻繁提到的客戶需求和場景痛點，針對于此，以隧道運輸設備——MSV膠輪車為例，本文為該類客戶量身定制了一套高性能多模態數據采集方案。
本文將從客戶的實際痛點出發，詳細拆解如何在無GPS信號、環境惡劣的隧道場景中，實現高精度、多傳感器的數據融合與采集。
一、 客戶需求與場景痛點
1、復雜的作業環境與對象
本次搭載對象為MSV膠輪車（用于TBM隧道施工物料運輸）。車輛長期運行于狹長、封閉的隧道內部，且需要分別在車輛的“前端”和“后端”搭載兩套獨立的感知系統，以滿足雙向行駛的作業需求。
2、多模態傳感器融合
為了實現對環境的全面感知，單車集成了復雜的傳感器組，包括：
視覺傳感器： 華陽 GMSL2 3M 相機（前后共4路）
激光雷達： 主雷達 + 補盲雷達（前后共6顆）
毫米波雷達： ARS410（前后共2顆）
定位與姿態： IMU hwt905-CAN（前后共2顆）
車輛總線： CAN數據采集
傳感器布局：
前端布局（左）、后端布局（右）
3、核心痛點：隧道內的時空同步
無GPS信號： 隧道內無法獲取衛星授時（GPS/GNSS），傳統依賴PPS/NMEA的同步方式失效。
高帶寬并發： 多路激光雷達與高分辨率相機的同時接入，對采集系統的帶寬和寫入速度提出了巨大挑戰。
惡劣工況： 隧道施工現場震動大、粉塵多，要求設備具備極高的工業級穩定性。
二、 解決方案概覽
針對上述挑戰，我們提出了兩套差異化的技術路線：“極致性能方案（方案一）”與“高性價比方案（方案二）”，以滿足不同研發階段的需求。
展開 賦能商用車 ADAS 研發：多傳感器數據采集方案
近期，在和眾多商用車ADAS研發客戶的溝通過程中，我們觀察到了一些被頻繁提到的客戶需求和場景痛點，針對于此，本文為該類客戶量身定制了一套高性能商用車ADAS多傳感器數據采集方案。
本文將從客戶的實際痛點出發，詳細拆解如何在復雜工況、多車型適配等需求下，實現高精度、多傳感器的數據融合與采集。
一、客戶需求與場景痛點
不同于乘用車，商用車受自身車體特性、運營場景與研發需求，其 ADAS 數據采集絕非乘用車方案的簡單放大，而是需要從底層設計就需要貼合專屬需求的定制化工程，核心痛點集中在四個方面：
（1）車體與配置感知難題：車體大、盲區多，需強化近場及 360° 環視感知，采集系統需支持配置與標定快速切換；
（2）多車型適配靈活需求：涵蓋多種品類且車身結構差異大，要求采集的支架和傳感器，實現多車型快速適配，且改裝后復標高效，降低研發成本；
（3）多傳感器融合高精度門檻：BEV / 端到端模型對數據時空對齊、空間融合精度要求嚴苛；
（4）復雜工況高可靠性要求：運行場景與環境復雜多變，采集系統需滿足商用車級的環境適應性，具備防震、防水、寬溫域運行能力，同時長時間連續采集，保障低丟幀、無宕機。
二、解決方案概覽
針對這些核心痛點，我們以場景化適配、高精度融合、高可靠性運行、定制化設計為核心設計理念，在傳感器配置、硬件架構、標定流程與采集軟件四個層級進行重構，以此實現對商用車 ADAS 數據采集全需求的精準覆蓋。
1、傳感器配置與硬件架構
良好的傳感器配置，高協同的硬件架構是數據采集精度和穩定性的基礎。根據商用車感知需求，采用分層感知 + 角模塊化的傳感器配置思路，搭配工控機 + 板卡 + 高精度時間同步模塊的定制化硬件架構，實現多傳感器 360° 全維度感知、微秒級時間同步與高帶寬數據存儲。
展開 
康謀應用 | 基于多傳感器融合的海洋數據采集系統
該布局可以更有效的應對海面復雜環境下的數據采集。
三、數據采集
在面向無人艇數據采集時，需要使傳感器套件（四類傳感器）能夠同時采集數據，并具備時間同步，實時可視化、存儲和回放等能力。整體軟件架構采用ROS+傳感器集成方式，支持即插即用，使用便捷。
比如在iDS相機采集鏈路上，涉及到多相機同步采集的實現難度大、圖像數據的實時傳輸和存儲需求高和動態參數調整的靈活性不足等問題。通過定制化開發，采用ROS+PEAK SDK方案進行深度集成，實現了多相機同步采集、實時可視化、動態參數調整等功能，靈活適應海面復雜的采集環境，提高了系統的通用性。
四、總結
在海洋監測和無人艇控制領域，數據采集的準確性和可靠性至關重要。基于多傳感器融合的海洋數據采集系統方案，利用高性能的BRICKplus+ETH6000模塊作為中央處理單元，連接多個傳感器，能夠實現高速數據傳輸和同步。
該系統采用ROS框架與傳感器SDK進行定制開發，實現了多線程數據采集、處理和發布。同時支持配置文件動態加載傳感器參數，支持實時調整和優化，進而顯著提高了數據采集的同步性、實時性和可靠性，為無人艇的自主航行和控制算法訓練提供了高質量的數據支持。
展開 康謀方案 | BEV感知技術：多相機數據采集與高精度時間同步方案
在BEV Camera數據采集方案中，進一步支持相機進行硬件時間同步。通過XTSS軟件可以有效管理數采平臺的時間同步功能，能夠快速輕便配備各個傳感器的時間同步配置。
圖6：XTSS 時間同步管理
通過GPS模塊提供高精度的時間基準，并利用支持硬件時間戳的以太網接口直接捕獲數據包的時間戳。其時間同步精度可以達到納秒級別，具備高穩定性，不受軟件和網絡延遲影響。
圖7：多相機硬件時間同步
五、總結
在自動駕駛技術的快速發展中，BEV Camera數據采集系統的構建至關重要。通過采用BRICKplus平臺，結合PCIe Slot ETH6000模塊和iDS相機，我們實現了多相機的高效數據采集和存儲。通過ROS+PEAK SDK的深度集成，實現了多相機的參數配置、數據采集與傳輸。利用GPS接收模塊和XTSS時間同步服務，確保了多相機的高精度時間同步。
康謀的BEV Camera數據采集方案有效解決了多相機同步采集和高精度時間同步的難題，還提供了靈活的相機參數配置和高效的數據傳輸，能夠滿足自動駕駛和高精度測量等場景的需求。
展開 