Apollo自动驾驶平台.record文件数据解析与高效处理方法

1次阅读

共计 1817 个字符，预计需要花费 5 分钟才能阅读完成。

在 Apollo 自动驾驶开发中，.record 文件就像是一个数据黑匣子，它记录了车辆运行时的所有传感器数据和系统状态。每次路测都会生成这种二进制文件，后续的分析、回放和算法改进都依赖对这些数据的处理。

根据 Apollo 官方文档，一个标准的.record 文件主要包含这几类数据：

传感器原始数据
激光雷达点云：包含 XYZ 坐标、反射强度等信息，存储为 PointCloud2 格式
摄像头图像：支持多种编码格式（如 H.264），附带时间戳和相机参数
毫米波雷达：目标列表和点迹数据
IMU/GNSS：加速度、角速度、地理位置等
车辆状态信息
方向盘转角、油门刹车状态
车速、挡位、转向灯状态
车辆坐标系下的定位数据
系统日志与消息
各模块的运行状态
关键事件的触发记录
诊断和错误信息

以下是使用 Apollo CyberRT 库解析的核心代码片段（关键部分已注释）：

// 创建 RecordReader 实例
auto reader = std::make_shared<apollo::cyber::record::RecordReader>();
reader->Open("example.record");

// 性能优化：预读取文件索引
reader->ReadIndex();

// 按通道名获取消息
while (reader->ReadMessage(&msg, &topic_name)) {
    // 处理激光雷达数据
    if (topic_name == "/apollo/sensor/lidar32/PointCloud2") {auto cloud = std::make_shared<apollo::drivers::PointCloud>();
        if (cloud->ParseFromString(msg.content())) {
            // 提取点云数据（使用 move 避免拷贝）ProcessCloud(std::move(cloud));
        }
    }
    // 处理图像数据（零拷贝优化）else if (topic_name.find("camera") != std::string::npos) {cv::Mat img = DecodeImage(msg);
        // ... 后续处理
    }
}

性能优化要点 ：
– 使用索引预加载加速随机访问
– 对大数据采用 move 语义避免拷贝
– 按通道名过滤减少不必要解析

对于快速分析和可视化，Python 生态更为便捷：

from cyber_py import record
import matplotlib.pyplot as plt

# 创建读取器
freader = record.RecordReader('example.record')

# 提取特定消息
for channel_name, msg, _ in freader.read_messages():
    if channel_name == "/apollo/sensor/camera/front_6mm/image":
        # 转换为 OpenCV 格式
        img = cv2.imdecode(np.frombuffer(msg, dtype=np.uint8), 1)
        plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
        plt.show()

    elif "gnss" in channel_name:
        # 解析 GPS 轨迹
        trajectory.append([msg.longitude, msg.latitude])

处理几十 GB 的.record 文件时需要注意：