高效同步与处理：ADTF流服务在自动驾驶数采中的应用

[一、ADTF 流服务](#一、ADTF 流服务)

[1、流服务源（Streaming Source）](#1、流服务源（Streaming Source）)

[2、流服务汇（Streaming Sink）](#2、流服务汇（Streaming Sink）)

二、数据链路

[1、数据管道（Data Pipe）](#1、数据管道（Data Pipe）)

2、子流（Substreams）

[3、触发管道（Trigger Pipe）](#3、触发管道（Trigger Pipe）)

三、总结

随着自动驾驶技术的发展，车辆的智能化程度不断提高，这体现了车辆感知，决策以及执行的能力。在算法开发和迭代过程中，提高测试和开发效率，关键在于多传感器数据的高质量采集，确保数据的同步性、完整性和一致性。

为了应对这一挑战，必须采取有效的数据整合策略。这包括开发处理不同数据速率和格式的组件，以及设计数据在时间上精确对齐的同步机制。进而创建一个统一的数据流形式，实时检测传感器的观测结果并进行落盘存储。

为了解决上述问题，ADTF 提供了一个强大的Streaming Service ，它专门针对自动驾驶多传感器数据采集的需求设计。ADTF Streaming Service以其高效的数据处理能力、灵活的架构设计和强大的同步机制，为自动驾驶数采系统提供了一个高质量的解决方案。

一、ADTF 流服务

在ADTF中，流服务（Streaming Services）扮演着至关重要的角色，它们定义了系统的入口点（Streaming Source） 和出口点（Streaming Sink）。具体来说，流服务既可以是数据管道的起点也可以是终点，它们通常用于处理来自硬件的样本数据和数据触发器。

1、流服务源（Streaming Source）

流服务源是样本和数据触发器进入系统的入口点。通常，任何设备链接都会作为流服务源来实现，组件如下图1所示：

图1：Streaming Source组件

Streaming Source支持以下的应用场景：

（1）从摄像头读取视频流

（2）从CAN总线设备读取CAN消息

（3）作为硬盘读取器提供基于文件的仿真数据

（4）通过网络或进程间连接接收来自分布式系统的样本，如ROS（机器人操作系统）或FEP（功能工程平台）

2、流服务汇（Streaming Sink）

流服务汇是样本和触发器离开系统的出口点。通常，任何设备链接都会作为流服务汇来实现。组件如下图2所示：

图2：Streaming Sink组件

Streaming Sink支持以下应用场景：

（1）向CAN总线设备写入原始CAN消息

（2）向设备写入FlexRay周期或汽车以太网PDU

（3）创建硬盘访问，用于基于文件的数据记录和高性能录制

二、数据链路

流服务是实现高效数据处理和传输的关键，通过Streaming Source和Streaming Sink,可以针对不同实际应用需求，搭建对应的数据链路，包括数据管道（Data Pipe）、子流（Substreams）以及触发管道（Trigger Pipe）。

1、数据管道（Data Pipe）

数据管道是连接样本写入器（Streaming Sink）和样本读取器（Streaming Source）的桥梁。在ADTF中，如图3所示，一个常见的数据管道从发送过滤器的样本写入器的输出引脚（Out Pin）开始，通过一个样本流（Sample Stream），到达一个或多个输入引脚（In Pins）及其对应的样本读取器。