1. ADAS数据概览：什么是ADAS数据、常见传感器数据格式、数据采集流程简介
各位同学，欢迎来到《基于Python的ADAS数据分析脚本库》的第一课。
说实话，每次带新人入行，我都要先问一个问题：你见过真正的ADAS数据长什么样吗？ 很多人以为就是一堆图片加几个数字，其实远没那么简单。今天我们就来揭开ADAS数据的真面目。
1.1 什么是ADAS数据？
ADAS数据，说白了就是车辆感知周围环境后产生的所有数字化记录。它包含了摄像头拍到的画面、激光雷达扫到的点云、毫米波雷达检测到的目标，以及车辆自身的状态信息（车速、转向角、GPS位置等）。
我个人习惯把ADAS数据分成三类：
- 感知数据：摄像头图像、激光雷达点云、毫米波雷达目标列表
- 定位数据：GPS坐标、IMU惯性测量、轮速脉冲
- 决策数据：目标跟踪结果、路径规划轨迹、控制指令
嗯，这里要注意：实际项目中，90%的时间你都在跟感知数据打交道。因为感知是ADAS的"眼睛"，眼睛出了问题，后面的决策和控制全是白搭。
核心观点：ADAS数据的本质是"时空对齐"——所有传感器必须在同一时间戳下、同一坐标系中描述同一个物理世界。这是后续所有分析的基石。
1.2 常见传感器数据格式
做ADAS数据分析，你得先认识这些"老朋友"。我一个个来说。
1.2.1 摄像头数据
摄像头数据最常见的就是图像帧。格式嘛，无非是JPEG、PNG或者RAW。但ADAS领域有个特殊要求：时间戳必须精确到微秒级。
举个例子，一个典型的摄像头数据包长这样：
{
"camera_id": "front_center",
"timestamp": 1640995200.123456, # 微秒级时间戳
"image": <numpy_array_shape=(1280, 720, 3)>,
"intrinsics": {
"fx": 1200.5, "fy": 1200.5,
"cx": 640.0, "cy": 360.0
},
"distortion": [-0.23, 0.08, 0.001, 0.002, 0.0]
}
我在项目中遇到过最坑的事：某供应商给的图像时间戳居然用的是毫秒级，导致和激光雷达数据对齐时差了整整一帧。你想想看，高速上差100毫秒，车都跑出去好几米了，这还分析个啥？
避坑指南：拿到摄像头数据后，第一件事就是检查时间戳精度。用Python的 datetime.utcfromtimestamp() 转成可读时间，看看小数位是不是6位。
1.2.2 激光雷达数据
激光雷达数据，业内叫点云（Point Cloud）。每个点包含(x, y, z)坐标，外加一个强度值(intensity)。
常见的存储格式有：
- PCD：Point Cloud Data，PCL库的标准格式
- BIN：二进制裸数据，KITTI数据集用的就是这种
- LAS/LAZ：测绘行业标准，偶尔在ADAS中见到
一个典型的64线激光雷达，每秒产生约130万个点。数据量有多大？我算给你看：
# 每秒数据量估算
points_per_second = 1_300_000
bytes_per_point = 4 * 4 # x,y,z,intensity 各4字节float
data_per_second = points_per_second * bytes_per_point # ≈ 20 MB/s
嗯，20MB/s，跑一小时就是72GB。所以千万别想着把所有点云都加载到内存里，我早期做项目时吃过这个亏，直接把32G内存干爆了。
警告：处理激光雷达数据时，务必使用流式处理或内存映射。Python的 numpy.memmap 是你的好朋友。
1.2.3 毫米波雷达数据
毫米波雷达的数据格式和激光雷达完全不同。它不输出点云，而是输出目标列表（Target List）。每个目标包含：
| 字段 | 含义 | 典型值 |
|---|---|---|
| id | 目标ID | 0x01 |
| range | 距离（米） | 45.2 |
| azimuth | 水平角（度） | -3.5 |
| velocity | 相对速度（m/s） | -2.1 |
| rcs | 雷达散射截面（dBsm） | 10.5 |
为什么雷达数据这么"稀疏"？因为它只能检测到有回波的目标，不像激光雷达那样"扫到哪算哪"。我曾经调试过一个场景：前方有个行人站在金属广告牌旁边，雷达直接把行人过滤掉了——因为RCS值被广告牌"淹没"了。
小技巧：毫米波雷达的RCS值可以用来区分目标类型。行人RCS通常在0-10 dBsm，轿车在10-20 dBsm，卡车在20-30 dBsm。但这只是经验值，别太当真。
1.3 数据采集流程简介
数据采集，说白了就是把传感器信号变成可存储的文件。流程大致如下：
- 传感器触发：所有传感器通过GPS时钟同步，确保时间戳一致
- 数据生成：摄像头拍一帧、激光雷达转一圈、雷达做一次检测
- 数据封装：每个传感器的数据被打包成消息，加上时间戳和校验码
- 数据记录：通过中间件（如ROS、CyberRT）写入磁盘
- 数据回放：离线分析时，按时间戳顺序回放所有消息
这里有个关键点：数据采集不是"录视频"那么简单。你想想看，摄像头30fps，激光雷达10fps，雷达20fps，这三个频率完全不同步。怎么保证它们描述的是同一个瞬间？
答案是硬件触发。高端采集系统会用GPS的PPS信号作为"心跳"，所有传感器都在这个心跳的上升沿开始采集。嗯，这也是为什么ADAS数据的时间戳精度要求那么高——因为硬件就是这么设计的。
一句话总结：ADAS数据采集 = 多传感器 + 硬同步 + 高精度时间戳。缺一个，你拿到的数据就是"废品"。
1.4 本章小结
今天我们聊了三件事：
- ADAS数据是啥——就是车用各种传感器"看"世界后留下的数字脚印
- 三种传感器数据长啥样——图像是矩阵、点云是坐标、雷达是列表
- 数据怎么来的——靠硬件同步，不是靠软件"凑"
下一章，我们会正式进入Python的世界，教你如何用代码读取这些数据。到时候我会拿一个真实的KITTI数据集做演示，保证让你看到"活"的ADAS数据。
对了，如果你手头有现成的数据，建议先看看时间戳——我赌五毛钱，你至少会发现一个时间戳不对齐的问题。不信？试试看。