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。

图3：Data Pipe

2、子流（Substreams）

子流是减少过滤器图中引脚和连接复杂度的一种方法,如图4所示。通过使用子流，可以简化数据流的路径，提高系统的可读性和可维护性。

图4：子流

3、触发管道（Trigger Pipe）

触发管道是ADTF中基于触发路径的连接，通常从主动运行器（Active Timer Runner）开始，如图5所示，它触发连接的组件，类似于过滤器的运行器。

图5：触发管道

例如，在自动驾驶数据采集中，通过设计灵活的触发机制，数据管道可以同步来自雷达、摄像头和激光雷达的数据流，确保它们在时间上的对齐。

三、总结

ADTF Streaming Service在自动驾驶数采领域的应用，关键在于其能够实现多传感器数据的高效同步与处理。以下是几个关键应用点：

多传感器数据融合：通过数据管道同步不同传感器的数据，实现高精度的环境感知。

实时决策支持：利用触发管道快速响应传感器触发的事件，为决策算法提供实时数据。

数据存储与回放：通过Streaming Sink实现数据的高效存储，以及通过子流进行数据回放和分析。

ADTF Streaming Service为自动驾驶数采系统提供了一个强大的工具，它不仅能够处理和同步多传感器数据，还能够适应不断变化的开发需求。