标签: 数据采集

PCIe-403是基于VU13P FPGA的PCIe板卡，支持PCie3.0 × 16和PCIe4.0×8，可以作为计算加速、算法验证、信号处理、宽带网络收发等应用场景。 主要技术特点： 1.支持4路100G以太网； 2.支持4组DDR4，每组DDR4位宽72bit； 3.支持FMC+ 4.支持PCIe3.0×16（金手指）和PCIe4.0×8（MICO PCIe）； 5.VU13P+ZYNQ架构 6.支持千兆网远程更新固件 7.板载两组启动flash，可以快速切换固件程序； 8.支持USB、GPIO口、GPS/BD、B码、CAN、RS232、RS485 9.支持全国产化替换。

PCIe-403是基于VU13P FPGA的PCIe板卡，支持PCie3.0 × 16和PCIe4.0×8，可以作为计算加速、算法验证、信号处理、宽带网络收发等应用场景。 主要技术特点： 1.支持4路100G以太网； 2.支持4组DDR4，每组DDR4位宽72bit； 3.支持FMC+ 4.支持PCIe3.0×16（金手指）和PCIe4.0×8（MICO PCIe）； 5.VU13P+ZYNQ架构 6.支持千兆网远程更新固件 7.板载两组启动flash，可以快速切换固件程序； 8.支持USB、GPIO口、GPS/BD、B码、CAN、RS232、RS485 9.支持全国产化替换。

在智能化技术快速发展当下， 图像数据的采集与处理 逐渐成为自动驾驶、工业等领域的一项关键技术。高质量的图像数据采集与算法集成测试都是确保系统性能和可靠性的关键。随着技术的不断进步，对于图像数据的采集、处理和分析的需求日益增长，这不仅要求我们拥有 高性能的相机硬件 ，还要求我们能够 高效地集成和测试 各种算法。 我们探索了一种 多源相机数据采集与算法集成测试方案 ，能够满足不同应用场景下对图像采集和算法测试的多样化需求，确保数据的 准确性 和算法的 有效性 。 一、相机组成 相机一般由 镜头(Lens) ， 图像传感器(Image Sensor) ， 图像信号处理器(Image Signal Processor, ISP) ， 接口 组成。 图 1 相机基本结构 （1）镜头： 用于聚焦光线，将视野中的物体投射到成像介质表面，镜头的光圈决定了进光量的大小，FOV（Field-of-View）决定了视野范围的宽度。 （2）图像传感器： 负责将光子转化为电信号，Sensor上的像素数量越多，清晰度就越高。像素的尺寸越大，感光能力就越好。 （3）ISP： 负责将传感器捕捉到的原始数据转换为高质量的数字图像，包括完成去马赛克，白平衡，色彩校正等功能。 （4）接口： 是相机与外部设备（如计算机）之间信息交流的通道，包括完成数据传输、供电和控制信号输出等。 在实际应用中，常见的相机有 USB接口相机 ， 以太网接口相机 和 车载Fakra相机 等。每种相机都有其独特的特点和应用场景。比如，USB免驱相机具备其即插即用和便携性的特点，以太网接口相机则以具备高帧率和网络连接能力，车载相机具备高稳定性和长距离传输的能力。 由于不同的应用场景对图像采集与算法测试的 要求各异 ，例如自动驾驶、工业检测、交通监控等，它们对图像的分辨率、帧率、传输距离和算法部署效果等有着不同的需求。 因此，需要不同类型的相机来满足这些多样化的数据采集与算法测试需求。 二、多源相机采集与测试方案 多源相机的数据采集与算法测试，需要根据实际应用情况对各种相机进行不同的参数（比如分辨率，帧率）等配置，并根据不同来源数据有效结合算法部分进行测试。 在实际运用过程中，可以了解到每种相机都对应有自己的SDK包，比如USB免驱相机V4L2 API。但常常常会遇到一些问题，比如 如何有效集成每种相机，采集数据与实时可视化？每种相机的多个设备又如何快速同时驱动采集？在车端应用场景中，如何对不同类型相机打上有效的时间戳？ 针对这些难题，我们推出一种 多源相机数据采集与算法集成测试方案 。结合康谋的 BRICKplus/BRICK2硬件采集平台与ADTF软件框架 ，可以快速集成多源相机并实现数据采集与算法测试。 图 2 BRICKplus/BRICK2 图 3 ADTF软件 软件方面， 采用模块化的插件设计模式，集成了USB免驱相机，工业面阵相机和iDS以太网相机等SDK。对算法组件进行接口封装和测试结果输出。 图4 软件框架 对于不同类型的传感器，其 数据采集流程 大体包括 打开设备 、 设置相机参数和格式 、 申请内存缓冲区 、 驱动视频流和图像循环采集 等步骤。通过 模块化的设计理念 ，将每种相机的采集流程都映射成一个组件，可以有效的对其进行各种参数配置。此外，在与可视化组件和存储组件进行数据连接，最终可实现多相机的快速集成与可视化采集。 图5 相机采集工程 图6 相机采集工程运行 三、应用案例分享 在软件界面右侧 Streaming Source Details 那栏中，可以点击Help，可以 快速查看 Usb Camera Capture组件的使用手册，包括环境准备，组件信息以及工程案例搭建使用。 图7 组件使用手册 比如，在 MV Camera Capture组件 的Properties栏中可以查看到组件配置的属性。可以设置相机的挂载结点，曝光时间，帧率以及图像采集模式。其中图像采集模式分为采集模式和灰度模式，MONO8为灰度图像，RGB8为彩色图像。 图8 2路相机采集工程 图9 2路相机采集工程运行 通过 相机采集的数据与算法组件 结合，可以进行算法的测试。比如，通过集成Usb Camera Capture组件、Face Detection组件、Qt5 Video Display组件和Qt5 Meida Description Display，可以快速实现一路相机采集与算法测试工程。 图10 人脸识别算法工程 图11 人脸识别算法工程运行 四、结语 多源相机数据采集与算法集成测试方案 提供了一种 高效、灵活 的解决方案。通过康谋的 BRICKplus/BRICK2硬件采集平台与ADTF软件框架的结合 ，能够实现多源相机的快速集成和数据采集，同时保证了算法测试的准确性和实时性。随着技术的不断进步，我们将继续探索和优化这一方案，以适应未来更加复杂和多变的应用需求。

随着自动驾驶技术的快速发展，自动驾驶的研发逐渐形成一整套的流程，包括 数据采集，清洗标注，算法训练，仿真测试 到 量产 等各技术环节。通过复杂的步骤从原始数据中提出高价值的信息，其中对原始数据的精准采集是实现车辆环境感知的基石。毫米波雷达因其出色的测距、测速能力以及对恶劣天气的鲁棒性，成为不可或缺的传感器之一。 本文将以4D毫米波雷达ARS548为例，分享毫米波雷达如何快速实现数据采集，可视化及存储策略。关于毫米波雷达的特性可进一步了解文章 《毫米波雷达技术解析》 。 一、ARS548毫米波雷达概述 ARS548 是 4D高分辨率成像毫米波雷达（4D High Resolution Radar），如图1所示。它能够有效的测量 距离（Range），速度（Velocity），水平角度（Azimuth） 和 俯仰角度或高度（Elevation） 四个维度的信息，具备感知目标三维空间位置能力。具备以下特性： 图1：ARS548（图片来源于网络） 1.探测距离与视场角： 最大探测距离可达300米，水平视场角为±60°，垂直视场角为±4°至±14°。 2.数据输出： 支持最多800个Detection和50个Object的同时输出，测量周期为50ms至100ms可调。 3.接口： 采用100 BASE-T1接口，支持通过车载以太网转换器与标准以太网设备进行通信。 4.通信协议： 数据通过UDP协议传输，使用多播地址方式进行数据传输。 二、硬件集成 为了能快速采集到毫米波雷达的数据，需要对其进行 硬件集成与连接 ，如图2所示。 图2：Radar 硬件连接方案 以同时连接3个毫米波雷达为例，整个系统均支持12V的供电运行，可快速实现各设备稳定供电运行。在数据链路采集上，需要将车载以太网接口的数据转换到标准以太网，这一转换过程涉及以下步骤： 1. 网口转换： 使用如 康谋NETLion100转换器 ，将车载以太网信号转换为标准以太网信号。NETLion100集成了网络分线器(Tap)和双介质转换器于一身，支持BroadR-Reach®网络信号与100BASE-TX以太网之间的双向转换，并提供LED信号实时显示数据传输质量，可快速进行数据转换和分析。 2. 数据传输原理： 雷达数据以UDP包的形式发送至指定的多播地址， 康谋BRICK plus 设备通过网络接口接收这些数据包。BRICKplus提供广泛的接口支持多个传感器同时连接，实现高带宽数据的采集、处理和记录。 3. 采集与监控： 在BRICK plus端，可以使用Wireshark等网络分析工具来捕获和分析从雷达发送的数据包，检查数据包是否正确传输。 三、软件开发 为了采集到毫米波雷达输出的点云数据，需要理解数据的传输形式并能够实时解析。具体来说需要解决如下的问题： 1.数据采集 ：实时从ARS548雷达获取原始数据，这要求系统能够与雷达硬件接口进行高效通信，并且能够处理高频率的数据流。 2.数据解析： 将原始数据转换为可读的格式，如目标的距离、速度和角度。需要对雷达数据包进行解码，并提取出有用的信息。 3.数据可视化： 将解析后的数据以图形化的方式展示，便于分析和监控。需要实时更新数据显示。 ROS提供了模块化的节点系统 ，便于管理和扩展。每个节点可以独立开发和测试，使得系统的整体复杂性得到有效管理。十分契合我们对问题的拆解以及功能节点的完成。此外采用ROS的发布/订阅模型可以实时采集传输的雷达数据。 对于单个毫米波雷达的采集，解析和可视化，可以通过在ROS中对应 创建3个节点 来实现。3个节点分别负责Radar设备接收UDP数据，解析并发布ROS消息，以及将雷达检测和对象信息转换为可视化Marker消息。 针对3（多）个毫米波雷达的同时采集，我们采用 每个节点同时发布和订阅多个topic数据 实现同时采集和传输。并且为了实现多个雷达数据的同时显示，采用 Foxglove 进行可视化呈现，呈现效果如图3所示： 图3 ：Radar 可视化 随后， 采用ROSbag进行数据存储 ，能够确保数据的完整性和准确性。 四、总结 通过 集成高性能的硬件设备 和采用 ROS框架 ，实现了毫米波雷达数据的高效采集、实时处理和直观可视化，同时支持多雷达系统的数据同步采集和存储，提供了一个稳定、灵活且可扩展采集方案。

在上期 数据隐私和匿名化系列 文章中，我们主要分享了 《中国个人信息保护法》（PIPL） 和 《欧盟通用数据保护条例》（GDPR） 在 涵盖范围、定义、敏感信息 等方面的异同点，今天，我们将重点分析PIPL与GDPR在 数据处理行为及其基础合法性 方面的异同，旨在帮助车企更准确地把握数据隐私保护法规的要求，有效应对相关挑战，推动自动驾驶行业健康发展。 一、PIPL和GDPR的异同点 1、数据处理行为定义 两部法规（PIPL和GDPR）均明确界定了 不同的数据处理行为 ，这些行为将触发各自法规的管理范畴。此处所提及的信息， 已不再局限于敏感信息 ，而是涵盖了两部法规所规定的 所有相关信息 。 在 英文版的PIPL 中，数据处理行为被表述为“ Handling ”，而 GDPR 则使用 “Processing” 一词，两者在本质上并无区别。然而，在 数据处理行为的定义上，两部法规却存在些许差异 。 PIPL中的“Handling”涵盖了 收集、存储、使用、加工、传输、披露以及删除个人信息 等一系列行为。相较于PIPL， GDPR 关于数据处理行为的定义则 更为详尽 ，除了包含上述相同的行为外，还涉及到了 个人数据的检索、咨询 等多个方面。 但实际上，当我们深入探讨PIPL中定义的数据处理行为时，相关法律专家指出： “在中国境内处理个人信息时，GDPR所涵盖的任何数据行为都需要被纳入考虑范围，即使PIPL并未完全列举出所有要点。” 由此可见，在各自司法管辖区域内处理相关数据时，任何数据处理行为都将受到该区域法律条例的约束。 2、数据处理基础合法性 为了进一步对比数据处理行为的异同，我们在此列举了中国的《个人信息保护法》（PIPL）与欧盟的《通用数据保护条例》（GDPR）在 数据处理基础合法性 方面的相关规定。 “同意”（Consent） 是指数据主体明确授权或表示同意其个人数据被处理的行为。这种同意必须是建立在充分知情的基础上，且必须是明确且自愿给出的。 除了“同意”这一点外，我们重点关注两部法律在 合法利益（Legitimate Interest）和公共利益（政府任务）（Public Interest/Government Task） 方面的差异。实际上，PIPL在这两点上并未作出明确规定，这主要归因于中国和欧洲在法律及监管环境上的差异。 首先在 合法利益 这一点上，GDPR作为欧洲地区的人权保护框架，旨在平衡企业与个人之间的权益，为企业提供一定的 灵活性 ，允许其在没有明确同意的情况下处理个人数据，从而在一定程度上增强了企业的自主权。相比之下， PIPL更加强调对个人信息的严格控制。 在处理个人数据时，PIPL要求必须获得明确的授权或依据法律规定进行，更倾向于通过明确同意或法律规定来实施严格监管。 其次在 公共利益 方面，两部法律对公共事务和政府职责的界定存在差异。 GDPR 在确保公共机构履行任务时赋予了更大的 灵活性 ，而PIPL则通过其他法律条款来规范政府的处理权限，更加侧重于 信息透明性和数据主体的保护 。 二、信息跨境处理注意事项 在 跨境处理信息 的过程中，除了需遵循《个人信息保护法》（PIPL）和《通用数据保护条例》（GDPR）这两部基础法律的规定外，还需执行一系列严格的 安全评估措施。 以中国车企为例，若需将欧盟境内的数据传输回中国进行处理，必须确保该跨境数据传输完全符合GDPR的严格要求。 GDPR对向欧盟外传输数据有着明确的规范，要求必须依赖 标准合同条款（SCCs）或充分性决定（Adequacy Decision） 来确保数据的合法传输。特别是当涉及敏感个人信息处理时，如位置数据、行为数据以及测绘数据等，企业可能还需进行 数据保护影响评估（DPIA） ，以全面评估数据处理的合法性、必要性和风险性。 值得注意的是，由于欧盟目前尚未对中国作出充分性决定，因此中国企业在向欧盟外传输数据时，可能需要与相关方签订 标准合同条款（SCCs） 来确保数据传输的合法性。 总之，在跨境传输过程中，为降低数据泄露或不当使用的风险，企业需对敏感数据进行加密或匿名化处理。