3、场景数据采集：自然驾驶数据采集、封闭场地测试、V2X数据融合、开源数据集介绍

各位工程师朋友，咱们接着聊场景库构建。上一章我们讲了场景怎么分类、怎么抽象。但光有理论框架不行，你得有「食材」才能下锅。这章我就专门讲讲——数据从哪来？怎么采？怎么用？

我个人习惯把数据采集比作「做饭前的买菜」。菜买得不好，厨艺再高也白搭。场景数据也一样，采集质量直接决定了后续验证的可信度。咱们一个一个来看。

3.1 自然驾驶数据采集

自然驾驶数据，说白了就是「真车在路上跑出来的数据」。这是最真实、最贴近实际使用场景的数据来源。我在项目中遇到过不少团队，一上来就想着造极端场景，结果忽略了最基础的日常驾驶数据，最后验证出来的系统「见光死」——日常场景反而处理不好。

3.1.1 采集设备与配置

自然驾驶数据采集，硬件是基础。我列一下常用的设备组合：

设备类型	典型型号	采集内容	采样率要求
摄像头	FLIR、Basler	图像、视频	≥30fps
激光雷达	Velodyne、Hesai	3D点云	≥10Hz
毫米波雷达	Continental ARS	目标距离、速度	≥20Hz
IMU+GPS	NovAtel、Xsens	车辆位姿、轨迹	≥100Hz
CAN总线	Vector、Kvaser	车速、转向、制动	≥50Hz

嗯，这里要注意：设备之间的时间同步是个大坑。我曾经有一次采集，摄像头和激光雷达的时间戳差了200毫秒，结果点云和图像对不上，整个数据集废了一半。所以，我建议你们在采集前一定要做硬件同步测试，最好用GPS时间作为统一基准。

3.1.2 采集场景设计

自然驾驶不是随便找个路跑一圈就完事了。你得有目的地设计采集路线。我个人习惯按以下维度来规划：

• 道路类型：高速、城市快速路、主干道、支路、乡村道路
• 交通密度：畅通、一般、拥堵、严重拥堵
• 光照条件：白天、黄昏、夜间、隧道
• 天气状况：晴天、阴天、小雨、大雨、雾天
• 特殊区域：学校区域、施工区域、环岛、立交桥

3.1.3 数据标注与清洗

数据采回来只是第一步。原始数据里有很多「垃圾」——比如车辆长时间停在路边、重复的拥堵路段、传感器被遮挡的片段。这些都需要清洗掉。

标注方面，我推荐用半自动标注工具。比如用目标检测模型先跑一遍，人工再修正。这样效率能提升3-5倍。但注意，关键场景（比如鬼探头、加塞）一定要人工复核，模型漏检率在这种场景下很高。

3.2 封闭场地测试

自然驾驶数据虽然真实，但有个致命问题——危险场景你不敢真去跑。你总不能为了采集「行人突然横穿高速」的数据，真找个行人去高速上跑吧？这时候就需要封闭场地测试了。

封闭场地测试，说白了就是「在可控环境下，人为制造场景」。我参与过好几个封闭测试场的建设，这里分享一些经验。

3.2.1 测试场基础设施

一个标准的封闭测试场，通常包含以下功能区：

• 高速模拟区：直线段≥500m，弯道半径≥200m，用于测试高速巡航、变道
• 城市模拟区：十字路口、人行横道、环岛，用于测试城市工况
• 特殊场景区：隧道模拟、雨雾模拟、低光照模拟
• 目标物投放区：用于放置假车、假人、假动物

3.2.2 典型测试场景设计

我整理了几个我们在封闭场地常做的测试场景，供你参考：

场景编号	场景描述	测试目的	目标物
SC-01	前车静止，自车从后方接近	AEB功能验证	假车
SC-02	行人从遮挡物后突然横穿	鬼探头场景	假人+遮挡板
SC-03	相邻车道车辆强行加塞	Cut-in场景	假车+牵引机构
SC-04	隧道出口强光切换	传感器动态范围	灯光模拟器

3.2.3 测试流程与数据记录

封闭场地测试的流程，我建议按以下步骤走：

1. 场景定义：明确测试场景的参数（速度、距离、角度）
2. 设备校准：检查所有传感器、目标物的位置和状态
3. 预测试：先跑一遍，确认场景能正常触发
4. 正式测试：每个场景至少重复5次，保证数据一致性
5. 数据检查：现场检查数据完整性，避免回去后发现数据缺失

嗯，这里要特别强调第5步。我曾经有一次，在测试场跑了一整天，回去发现存储卡坏了，数据全丢了。从那以后，我每次测试结束都会现场拷贝一份数据到笔记本电脑上。

3.3 V2X数据融合

V2X（车路协同）数据，是近年来场景数据采集的一个新方向。它能让车辆「看到」传感器视野之外的信息。比如，前车挡住了你的视线，但路侧单元告诉你前方200米有行人横穿。

3.3.1 V2X数据来源

V2X数据主要来自两个方向：

• 车-车通信（V2V）：周围车辆的位置、速度、转向意图
• 车-路通信（V2I）：路侧传感器（摄像头、雷达）检测到的目标信息

这些数据通过DSRC或C-V2X协议传输，延迟通常在10-100ms之间。

3.3.2 数据融合策略

V2X数据怎么和车载传感器数据融合？我常用的方法是「时空对齐+置信度加权」：

// 伪代码示例：V2X与车载数据融合
function fuseData(v2xData, vehicleData):
    // 1. 时间对齐：统一到同一时间戳
    alignedData = timeAlign(v2xData, vehicleData)
    
    // 2. 空间对齐：将V2X数据转换到车辆坐标系
    transformedData = coordinateTransform(alignedData)
    
    // 3. 置信度加权融合
    for each target in transformedData:
        v2xConfidence = getV2XConfidence(target)
        vehicleConfidence = getVehicleConfidence(target)
        fusedConfidence = max(v2xConfidence, vehicleConfidence)
        
        if fusedConfidence > THRESHOLD:
            fusedTargets.append(target)
    
    return fusedTargets

3.3.3 V2X数据的典型应用场景

V2X数据在场景库构建中，特别适合以下场景：

• 超视距场景：被遮挡的行人、弯道后的车辆
• 协同决策场景：多车协同变道、交叉口通行
• 危险预警场景：前方事故、施工区域预警

3.4 开源数据集介绍

自己采集数据成本高、周期长。所以，我建议你充分利用开源数据集。这些数据集经过社区验证，质量有保障，而且覆盖了很多典型场景。

3.4.1 主流开源数据集

数据集名称	发布机构	数据内容	场景特点
nuScenes	Motional	图像、激光雷达、雷达	城市道路，1000个场景
Waymo Open Dataset	Waymo	图像、激光雷达	城市+高速，1150个场景
KITTI	KIT	图像、激光雷达、GPS	卡尔斯鲁厄城市道路
ApolloScape	百度	图像、激光雷达	中国城市道路，复杂交通
BDD100K	UC Berkeley	图像	美国多种道路，10万张

3.4.2 如何选择开源数据集

选数据集，我一般看三个维度：

• 场景覆盖度：是否包含你需要的场景类型（比如夜间、雨天）
• 传感器配置：是否和你用的传感器匹配（比如激光雷达线数）
• 标注质量：标注是否精细，有没有遮挡、截断的标注

3.4.3 开源数据集的局限性

说实话，开源数据集也有明显的短板：

• 地域局限：大部分数据集来自欧美，中国特有的场景（比如电动车、三轮车、复杂的非机动车道）覆盖不足
• 场景单一：极端天气、夜间场景占比少
• 标注偏差：不同数据集的标注标准不一致，混用时要小心

所以，我的建议是：开源数据集作为「基础训练集」，自己采集的数据作为「场景补充集」。两者结合，才能构建出高质量的预期功能安全场景库。

---

好了，这章的内容就到这里。数据采集是场景库构建的「地基」，地基不牢，后面的一切都是空中楼阁。希望我分享的这些经验，能帮你少走一些弯路。