标签: 时间同步

01 引言 随着车载网络从 CAN 总线 向 以太网 迁移，传统毫秒级同步精度已无法满足 多传感器融合 、 线控系统协同 的需求。 比如在 多传感器时空对齐 中，激光雷达的点云、摄像头的图像、毫米波雷达的回波信号，需在 同一时间基准下融合 。而当以 120km/h 车速计算，1ms 的时间偏差会导致 3.3cm 的空间误差，造成自动驾驶的安全风险。 因此， gPTP 通过 ±50ns 同步精度 的设计目标，为传感器融合提供了 “ 时间锚点 ”。 02 gPTP协议 相较于工业场景的 PTP（IEEE 1588） ， gPTP 针对车载环境做了 三项关键优化 ： （1）简化的 BMCA（最佳主时钟算法） ：减少节点角色切换频率，避免了车载网络拓扑变化频繁导致的同步不稳定； （2）固定的消息间隔： 同步帧（Sync）默认间隔为125ms（logSyncInterval=-3），延迟请求帧（Pdelay_Req）默认间隔为1s（logPdelayReqInterval=0），降低网络带宽占用； （3）增强的时间戳机制： 支持硬件级时间戳的精准捕获，抵消车载电磁环境对软件时间戳的干扰。 03 Linux PTP 工具链 简单来说， LinuxPTP 并非单一工具，而是一套 模块化的时间同步解决方案 ，其核心组件主要包括 ptp4l，phc2sys，pmc 。 （1）ptp4l： 是gPTP 协议的核心实现，主要负责时钟角色协商（主 / 从）、时间消息收发、延迟测算与时钟校准。支持边界时钟（BC）、普通时钟（OC）两种模式，适配车载网络的层级拓扑； （2）phc2sys： 是解决 “硬件时钟与系统时钟异步” 问题的工具。车载 ECU 通常存在 PHC（物理层硬件时钟）与系统时钟（OS Clock）两个计时源，phc2sys 通过 PI调节算法，将两者偏差控制在 10ns 以内； （3）pmc： 是PTP 管理客户端，支持查询时钟状态（如GET TIME_STATUS_NP）、配置参数（如SET PORT_PROPERTIES），是调试阶段的 “可视化窗口”。 这套工具链的优势在于 车载场景适配性 ，其自带了automotive-master.cfg与automotive-slave.cfg配置文件，已经预设符合 IEEE 802.1AS-2011 的关键参数(如transportSpecific=0x1、ptp_dst_mac=01:80:C2:00:00:0E)，避免了 从零开始的参数调试成本 。 04 gPTP工程实践 1、时间同步硬件选型 gPTP从协议到工程实践，首先需要确保硬件满足“ 时间敏感 ”特性，具体指标如下： （1）PHC 硬件时钟： 需支持 IEEE 1588 硬件时间戳； （2）网卡驱动： 必须支持SOF_TIMESTAMPING_TX_HARDWARE与SOF_TIMESTAMPING_RX_HARDWARE标志，以确保收发时间戳由硬件直接生成，而非软件间接计算，从而避免软件栈延迟带来的误差。一般可通过ethtool -T eth0命令验证。 2、主从时钟配置要点 车载网络的时间同步采用 “ 主从架构 ”，其核心是通过 配置文件明确节点角色 与 行为边界 。 主时钟配置（ automotive-master.cfg），通常部署在域控制器或中央网关，需重点配置： （1）gmCapable=1： 声明具备 “全局主时钟（GM）” 能力； （2）masterOnly=1： 强制为主模式，避免 BMCA 算法导致的角色切换； （3）logSyncInterval=-3： 同步消息间隔设为 125ms（2^-3 秒），平衡精度与带宽； （4）delay_mechanism=P2P： 采用点对点延迟机制，减少多节点级联的误差累积。 启动命令 需 指定接口 与 配置文件 ：sudo ptp4l -i eth0 -f automotive-master.cfg -m（-m参数用于输出详细日志，便于调试）。 从时钟配置 （automotive-slave.cfg），通常部署在传感器节点、执行器 ECU， 关键配置 包括： （1）slaveOnly=1： 固定为从模式，避免抢占主时钟角色； （2）step_threshold=1： 允许时间跳变校正（初始同步阶段）； （3）servo_offset_threshold=30： 当偏差超过 30ns 时启动 PID 调节； （4）ignore_source_id=1： 忽略主时钟源 ID 变化，增强容错性。 启动后需通过 pmc命令 验证同步状态：pmc -u -b 0 -d 1 "GET TIME_STATUS_NP"（正常状态下offsetFromMaster应稳定在 ±50ns 以内）。 3、系统级同步（PHC 与系统时钟对齐） 当ptp4l 完成了 PHC 时钟的同步，若 ECU 的系统时钟 （如 Linux CLOCK_REALTIME） 与 PHC 脱节 ， 应用层 仍会 获取错误时间 。这一步我们可以通过 phc2sys 工具 解决： （1）sudo phc2sys -s eth0 -c CLOCK_REALTIME -O 50 -m； （2）-s eth0： 以网卡 PHC 为时间源； （3）-c CLOCK_REALTIME： 同步至系统时钟； （4）-O 50： 50表示目标偏移量设为50μs，允许phc2sys在同步时存在一个50μs的容忍范围，避免频繁调节； （5）-m： 输出调节日志。 调试时需关注 offset值 （PHC 与系统时钟偏差），稳定后 应≤10ns ，否则 需检查系统负载 （高 CPU 占用会影响调节精度）。 05 总结 在车载以太网的技术栈中， gPTP 不像 CAN FD、SOME/IP 那样直观可见，却像 “ 神经系统 ” 般支撑着整个系统的协同运作。 LinuxPTP 作为开源工具链，为 gPTP 的工程落地提供了 低成本路径 ，但从协议到实践开发，还需完成硬件适配、主从时同配置、系统级同步等步骤。

在自动驾驶快速从L2向L3、L4级别发展， 微秒级 甚至 纳秒级精度 的时间同步已成为系统性能的核心指标之一。 多传感器融合场景 下，激光雷达、摄像头、毫米波雷达等设备的时空对齐依赖 统一的时间基准 ；而在复杂工业环境中， 电磁干扰 、 时钟源故障 等风险对时间同步的可靠性提出了更高要求。 本文分享 PSB （Platform Sync Board）与 QX550 组合方案，基于 硬件级时间同步架构 与 冗余设计 ，为上述挑战提供了系统性解决方案。本文将具体介绍方案架构和应用实例。 一、PSB+QX550方案架构 PSB+QX550 方案中， QX550 作为 PCIe 3.0 x8 网络卡，搭载 双 Intel X550-AT2 控制器，提供 4 个 10Gbase-T 接口，支持 IEEE 1588v2（PTP）和 802.1AS-2020（gPTP）协议。配套的 PSB 模块 则通过 Intel i210IT 芯片、u-blox GPS 模块及PPS（脉冲每秒）接口，实现 硬件级时间戳同步 与 多源时间校准 。 两者通过 OCuLink 线缆实现数据与时钟信号的低延迟传输，结合 XTSS （eXtended Time Synchronization Service）软件套件，构建了 “ 高精度同步 + 多源冗余 + 失效容错 ” 的完整技术链路。 图1：PSB+QX550 二、核心技术特性 1、多传感器融合时间对齐：硬同步与全域协同 PSB+QX550 方案通过XTSS 服务实现 跨设备的亚微秒级时间同步 ，其核心由 CTSS（Cluster Time Synchronization Service）和 PTSS（Platform Time Synchronization Service）组成： （1）PTSS 平台同步： 利用硬件时间戳技术，同步同一设备内的多个以太网接口（如 QX550 的 4 个 10G 接口），确保多传感器数据采集时戳与系统时钟的一致性。例如，在自动驾驶测试中，可实现激光雷达点云数据与摄像头视频流的时间对齐，消除传感器间的时序偏差。 图2：PTSS平台同步 （2）CTSS 集群同步： 通过 (g)PTP 协议实现跨设备集群同步，支持主从模式下的时间分发。QX550 Master 通过 PPS 同步线缆连接最多 3 个 Slave 设备（如其他 QX550 或第三方 XTSS 兼容设备），形成 星型同步网络 ，满足分布式传感器阵列的全局时间统一需求。 图3：CTSS集群同步 2、复杂环境下时间源可靠性：多源冗余抗干扰 PSB 模块 通过 多元化时间源配置 ，提升复杂环境下的同步可靠性： （1）GPS 与外部时钟冗余： 内置 u-blox GPS 模块支持 NMEA 协议，通过 GPS antenna (端口4) 接口接收卫星信号，提供 UTC 时间基准；同时SER/PPS（端口2）支持外部 PPS 信号输入（如惯导或其他 grandmaster 时钟），通过 隔离设计 ，抵抗工业环境中的电磁干扰。 图4：PSB多源时间同步配置 （2）时钟源无中断切换机制： 当 GPS 信号失效时，系统作为从时钟仍同步至网络主时钟；若设备因此成为主时钟，则自动切换至内部振荡器（基于 QX550 硬件计数器），并通过‘ Local Oscillator Hot Standby ’维持最后已知的有效时间基准，避免主从切换导致的同步中断。 3、时间同步的失效容错：静态配置与动态监测 方案通过 多重容错机制 保障系统鲁棒性： （1）静态端口状态配置： 通过 XTSS Configurator 设置接口的固定端口状态（Master/Slave/Disabled）， 强制指定主时钟节点 ，避免因 BMCA（最佳主时钟算法）协商失败导致的同步失效。例如，在关键工业场景（如自动驾驶数据采集）中，可锁定某一 QX550 为永久 Master，防止因网络波动导致的主从切换。 （2）时间偏差阈值监测（偏差矫正）： XTSS 实时监测本地时钟与主时钟的偏差，当超过预设阈值（如 1000ns）时， 标记状态并自动重新同步 。结合 “Force AS capable” 功能，即使路径延迟测量失效，仍强制发送同步消息，确保紧急情况下的最小同步精度。 图5：GPS时间源下偏差矫正示意图 （3）多域隔离机制： 支持最多 10 个 PTP 域并行运行，不同域的时间同步 相互独立 。例如，可将安全关键型传感器与非关键设备划分至不同域，避免单一域的故障影响全局系统。 三、应用案例 在自动驾驶数据采集过程中，常采用 惯导（RTK） 作为授时源并输出自车姿态数据。此外，惯导数据应与各传感器（相机、激光雷达等）数据时间戳对齐。这时就需要在数据采集平台上有这么一个模块，完成 各个传感器时域统一 。 以 华测惯导CGI430 为例，它支持 PPS+GPRMC 方式完成授时，与PSB+QX550模块链接，进而完成整个系统的时间同步。 图6：惯导授时 四、总结 随着大家普遍认同硬件时间戳的不可替代性以及多源冗余架构的必要性，目前自动驾驶时间同步技术发展趋势已经从“ 是否需要同步 ” 转向 “ 如何在复杂场景下实现稳定同步 ”，更聚焦于时间同步是否满足“ 高精度、高可靠、易集成 ”。 对于工程师而言，方案的可实施性和故障容错能力是关键。比如PSB+QX550采用 即插即用 的设计，可以有效的应用到不同测试方案中实现系统时间同步。基于偏差矫正的能力，可以 避免时钟源偏差 。 未来，随着 5G-A 和车路协同的普及，时间同步将从 “ 车载刚需 ” 延伸至 “ 全域协同 ”，推动行业向纳秒级精度迈进。

自动驾驶技术的飞速发展，正在重新定义未来出行的边界。从 感知 到 决策 ，从 规划 到 控制 ，每一个环节都离不开 海量、精准 的 高质量数据支撑 。然而，随着传感器数量的增加和数据规模的指数级增长，行业正面临一系列挑战： 多源传感器数据的时间同步难题 、 复杂数据格式的适配 、 测量技术的灵活性不足 、 设备集成周期冗长 等，这些问题正成为自动驾驶研发与测试的“隐形瓶颈”。 基于技术积累与行业洞察，本文分享一套创新的 ADAS时空融合数据采集方案 。通过硬件与软件的深度协同优化，能够很好地解决数据采集中的核心痛点，还为自动驾驶研发提供了高效、可靠、可扩展的完整解决方案。 一、方案架构 该方案以 “时空融合” 为核心，构建了 传感器层、数据处理层、存储层和用户交互层 ，如下图1所示： 图1：方案架构 传感器层： 负责采集数据，包括 LiDAR、Radar、RTK 和 Camera 等传感器。这些传感器从 不同维度感知环境 ，获得图像、点云、高精度定位以及被测目标物等信息，为系统 提供原始数据 。 数据处理层： 对传感器采集的原始数据进行处理。通过时 间同步算法（PTP/gPTP） ，使不同传感器数据在时间上对齐，解决多源传感器数据时间同步难题。运用 标定算法 ，对各传感器进行单传感器标定和传感器间标定，确定传感器之间的空间关系。同时，解析不同格式的数据，使其能在系统中统一处理。 存储层： 负责存储处理后的数据。支持 多种存储格式 ，如激光雷达数据可存为 pcd 格式或 rosbag 包，毫米波雷达和 RTK 数据可选择 csv 格式或 rosbag 包，方便不同场景下的数据使用和分析。并且按照传感器类型将数据分类存入单独文件夹，便于管理和查找。 用户交互层（软件界面） ：为用户提供操作入口。软件支持 各个传感器数据的可视化 ，方便用户实时查看传感器采集的信息。允许用户对数据采集进行多种配置，如选择存储路径、设置摄像头采集帧数、选择显示时间戳的来源等。还支持对采集环境进行描述，如记录天气和道路状况，为后续数据分析提供更丰富的背景信息。 二、系统搭建 基于方案架构的功能性设计，系统搭建如图2所示，包括 线束改造 ， 时间同步 ， 传感器标定 和 数据采集 。 图2：系统搭建 1、线束改造 线束改造方面，采用模 块化线束设计 ，针对不同传感器的接口特性进行定制化适配： （1）多协议兼容： 支持以太网（LiDAR）、CAN 总线（Radar/RTK）、ProFrame（Camera）等多种通信协议，通过标准化接口实现传感器即插即用，大幅缩短设备集成周期。 （2）轻量化布局 ：基于车辆工程设计，线束走向遵循最短路径原则，减少冗余布线，提升系统可靠性的同时便于后期维护。 （3）抗干扰优化： 采用屏蔽线缆与差分信号传输，降低电磁干扰对数据质量的影响，保障高速率数据（如 LiDAR 点云、Camera 原始图像）的稳定传输。 2、时间同步 方案通过 硬件触发 + 软件校准 实现多传感器纳秒级时间同步，确保时空融合精度： （1）同步基准统一： 以国际原子时（TAI）为时间基准，通过gPTP（通用精确时间协议）与 PPS（秒脉冲信号）实现系统级时间对齐。LiDAR采用gPTP 同步，Camera 通过采集卡 PPS 信号触发，RTK 与 Radar 通过 CAN Combo 的打上时间戳。 （2）外触发机制： 支持LiDAR 外触发Camera 拍摄，可自定义触发频率（10Hz/20Hz/30Hz），确保图像与点云数据严格同步。实测显示，8MP 相机在 30Hz 触发下，帧间对齐时间误差小于 10μs（一般误差在20-30ms）。 3、传感器标定 通过 标定算法 ，建立传感器与车辆坐标系的空间转换关系： 比如单传感器标定中LiDAR2Car，以 车辆后轴中心 为原点，通过标定板采集点云数据，利用 迭代最近点（ICP）算法 计算 4×4 变换矩阵，实现点云到车辆坐标系的转换。 传感器间标定中LiDAR2Camera，利用 同步采集 的点云与图像数据，通过标定板特征匹配，计算外参矩阵（旋转矩阵 R、平移向量 T），重投影误差均值 0.0138m，支持点云投影到图像像素坐标。 4、数据采集 在数据采集环节，配套软件提供 全流程可视化操作 与 高效数据管理能力 ： （1）多模态可视化： 实时显示 LiDAR 点云、Camera 图像、Radar 目标聚类及 RTK 定位信息，支持 分屏监控 与 时间戳同步显示， 便于实时校验数据质量。 （2）灵活配置能力： 格式选择： 支持LiDAR (ros bag)、Radar/RTK (ros bag)、Camera (RAW/PNG)等多种格式，满足不同算法开发需求。 环境标注： 自动记录天气（晴 / 雨 / 雾）、道路类型（城市 / 高速 / 乡村）等元数据，生成包含时间戳、存储路径、传感器配置的场景采集文件，提升数据可追溯性。 （3）稳定存储方案： 按传感器类型生成独立文件夹（如 LiDAR_data、Radar_data），避免数据混杂。 三、总结 通过 线束改造 、 时间同步 、 传感器标定 与 采集软件 的 深度协同 ，以上方案可以系统性解决了多源数据采集中的 时空对齐 、 格式适配 与 高效存储难题 。 具体内容已经通过 实车测试验证 ，支持 厘米级空间定位 与 纳秒级时间同步 ，为自动驾驶算法研发、传感器融合验证提供了可靠的数据基石。

在海洋监测领域，基于无人艇能够实现 高效、实时、自动化 的海洋数据采集，从而为海洋环境保护、资源开发等提供有力支持。其中，无人艇的控制算法训练往往需要大量高质量的数据支持。然而，海洋数据采集也面临 数据噪声和误差 、 数据融合与协同 和 复杂海洋环境适应 等诸多挑战，制约着无人艇技术的发展。 针对这些挑战，我们探索并推出一套 基于多传感器融合的海洋数据采集系统 ，能够高效地采集和处理海洋环境中的多维度数据，为无人艇的自主航行和控制算法训练提供高质量的数据支持。 一、方案架构 无人艇要在复杂海上环境中实现自主导航，尤其是完成障碍物检测和跟踪任务，其关键在于对 海面环境的高效感知 。因此，通过集成多种传感器，包括相机、激光雷达、IMU（惯性测量单元）和GPS（全球定位系统），能够采集更全面、更精确的海洋环境数据。但这种系统也会进一步涉及 时间同步、数据传输与存储以及环境适应性 等问题。 基于以上考虑，采用 BRICKplus(工控机)+ETH6000+传感器套件(6*iDS相机+1*LiDAR+1*IMU+1*GPS) 方案架构，如下图所示： 基于 BRICKplus+ETH6000 构建的数采平台，提供12个以太网接口（10*1Gb+2*10Gb）可以有效接入各个传感器，并为后续升级技术架构、接入更多传感器预留更多空间。多传感器产生的数据量巨大，对数据传输和存储提出了高要求，特别是8MP相机6个同时采集。 采用BRICKplus提供大容量（8/16/32TB）高速写入（16Gbit/s）存储硬盘，能够 高效稳定落盘传感器数据 。采用GPS模块，支持 （g）PTP时间同步与定位 。 二、系统搭建 为了更好的 感知无人艇周边环境信息 ，对传感器分布和方式进行了设计和调整，布局如下图所示。该布局可以更有效的应对海面复杂环境下的数据采集。 三、数据采集 在面向无人艇数据采集时，需要使 传感器套件（四类传感器） 能够同时采集数据，并具备 时间同步，实时可视化、存储和回放 等能力。整体软件架构采用 ROS+传感器 集成方式，支持即插即用，使用便捷。 比如在 iDS相机采集链路 上，涉及到 多相机同步采集 的实现难度大、图像数据的实时传输和存储需求高和动态参数调整的灵活性不足等问题。通过定制化开发，采用 ROS+PEAK SDK 方案进行深度集成，实现了多相机同步采集、实时可视化、动态参数调整等功能，灵活 适应海面复杂的采集环境 ，提高了系统的通用性。 四、总结 在 海洋监测 和 无人艇 控制领域，数据采集的准确性和可靠性至关重要。 基于多传感器融合的海洋数据采集系统方案 ，利用高性能的 BRICKplus+ETH6000模块 作为中央处理单元，连接多个传感器，能够实现高速数据传输和同步。 该系统采 用ROS框架与传感器SDK 进行定制开发，实现了多线程数据采集、处理和发布。同时支持配置文件动态加载传感器参数，支持实时调整和优化，进而显著提高了数据采集的同步性、实时性和可靠性，为 无人艇的自主航行和控制算法训练 提供了高质量的数据支持。

随着自动驾驶技术的快速发展，车辆准确感知周围环境的能力变得至关重要。 BEV（Bird's-Eye-View，鸟瞰图）感知技术 ，以其独特的视角和强大的数据处理能力，正成为自动驾驶领域的一大研究热点。 一、BEV感知技术概述 BEV感知技术，是一种从鸟瞰图视角（俯视图）出发的环境感知方法。与传统的正视图相比，BEV视角具有 尺度变化小、视角遮挡少 的显著优势，有助于网络对目标特征的一致性表达。基于这样的优势，可以更有效的对车辆周围环境进行感知。 图1：BEV 感知图 因此，在自动驾驶感知任务中，BEV感知算法通常包括分类、检测、分割、跟踪、预测、计划和控制等多个子任务，共同构建起一个完整的感知框架。 BEV感知算法的数据输入主要有图像和点云两种形式。根据数据源不同，BEV算法主要分为 BEV Camera（纯视觉）、BEV LiDAR（基于激光雷达）和BEV Fusion（多模态融合） 三类。其中， 图像数据具有纹理丰富、成本低 的优势，此外，基于图像的任务、基础模型相对成熟和完善，比较容易扩展到 BEV 感知算法中。 为了更好的训练BEV Camera感知算法，往往需要先搭建一个 高质量的数据集 。而搭建一套BEV感知数据采集系统，通常包括以下几个关键环节： 1.硬件选型与集成： 选合适的摄像头和计算采集平台，集成稳定系统。 2.数据采集： 在实际环境中采集图像数据，覆盖不同场景、光照和天气。 3.时间同步： 确保不同传感器数据时间精确同步，是后续算法训练的必要前提。 4.系统调试和部署： 调试系统确保组件协同工作，部署到实际应用环境。 因此，在实际搭建过程中，常会遇到 技术复杂性高、成本投入大、数据质量与时间同步实现难、系统稳定性与可靠性要求高 等挑战。针对这些问题，本文分享一套 BEV Camera数据采集方案 ，能高效搭建高质量的BEV感知数据集，加速算法研发和训练。 二、BEV Camera数据采集系统方案 BEV Camera数据系统采集方案以BRICKplus为核心系统平台，通过扩展PCIe Slot ETH6000模块连接6个iDS相机，利用GPS接收模块获取卫星时钟信号，提供 XTSS时间同步 服务，并支持13路（g）PTP以太网接口，确保高精度时间同步。 BRICKplus搭载BRICK STORAGEplus硬盘，提供 大容量高速存储 ，满足高带宽数据采集需求，确保数据的 完整性 和 可靠性 。 图2：系统集成 三、数据采集 在BEV Camera数据采集方案中，难点在于 如何同步多相机的采集动作、确保数据的高精度时间同步 以及 高效传输 。因此，在整个软件方面，我们采用ROS+PEAK SDK方案进行深度集成，实现了多相机的参数配置、数据采集与传输。 为了更灵活应对实际采集环境需求，对相机（如曝光时间、帧率和分辨率等）参数进行了统一管理和存储，这些参数可在节点启动时通过配置文件动态加载，为相机的初始化提供了灵活性。 图3：相机参数配置 为实现多相机的同步采集和高效传输，我们利用了 ROS的多线程和节点管理功能 。通过为每个相机创建独立的采集线程，并启动采集循环，确保了每个相机的采集过程独立且高效。引入 全局控制信号与信号处理机制 ，确保了统一管理所有相机的采集和同步结束状态。 图4：相机实时可视化 四、时间同步 为了实现多相机的时间同步，一般有两种方式：软时间同步和硬件时间同步。软时间同步主要依赖于软件层面的算法和协议来实现时间同步。其精度通常在 微秒级别 ，适用于对时间同步精度要求不是较高的场景。 图5：多相机软件时间同步 为了应对时间同步精度要求较高的采集场景，如自动驾驶和高精度测量等。在BEV Camera数据采集方案中，进一步支持相机进行硬件时间同步。通过XTSS软件可以有效管理数采平台的时间同步功能，能够快速轻便配备各个传感器的时间同步配置。 图6：XTSS 时间同步管理 通过GPS模块提供高精度的时间基准，并利用支持硬件时间戳的以太网接口直接捕获数据包的时间戳。其时间同步精度可以达到 纳秒级别 ，具备高稳定性，不受软件和网络延迟影响。 图7：多相机硬件时间同步 五、总结 在自动驾驶技术的快速发展中，BEV Camera数据采集系统的构建至关重要。通过采用BRICKplus平台，结合PCIe Slot ETH6000模块和iDS相机，方案实现了多相机的 高效数据采集和存储 。通过ROS+PEAK SDK的深度集成，实现了多相机的 参数配置、数据采集与传输 。利用GPS接收模块和XTSS时间同步服务，确保了多相机的 高精度时间同步 。 BEV Camera数据采集方案有效解决了多相机同步采集和高精度时间同步的难题，还提供了灵活的相机参数配置和高效的数据传输，能够满足 自动驾驶和高精度测量等场景 的需求。