在ADTF (Automotive Data and Time-Triggered Framework)中，過濾器（Filter）扮演著數(shù)據(jù)處理的核心角色。過濾器是處理數(shù)據(jù)流的基本單元，它們接收、處理并發(fā)送數(shù)據(jù)。接下來，將分享ADTF中創(chuàng)建和使用過濾器，包括設(shè)置輸入輸出針腳（Pins）、配置觸發(fā)器（Triggers）以及處理數(shù)據(jù)樣本（Samples）。

一、過濾器基礎(chǔ)

過濾器是ADTF中用于數(shù)據(jù)處理和轉(zhuǎn)換的小型處理單元，可以通過特定的接口接收和發(fā)送數(shù)據(jù)，如圖1所示。

圖1 Filter

過濾器核心能力如下：

1. 數(shù)據(jù)接收：通過輸入引腳（In Pins）和對(duì)應(yīng)的樣本讀取器（Sample Reader）接收數(shù)據(jù)。

2. 數(shù)據(jù)發(fā)送：通過輸出引腳（Out Pins）和對(duì)應(yīng)的樣本寫入器（Sample Writer）發(fā)送數(shù)據(jù)。

3. 數(shù)據(jù)處理：在運(yùn)行器（Runners）（也稱為觸發(fā)上下文、可運(yùn)行對(duì)象或可調(diào)用對(duì)象）的上下文中處理數(shù)據(jù)。

在進(jìn)行過濾器的設(shè)計(jì)，考慮將數(shù)據(jù)傳輸與運(yùn)行時(shí)行為分離。因此引入了觸發(fā)機(jī)制，包括數(shù)據(jù)觸發(fā)和時(shí)間觸發(fā)。

1. 數(shù)據(jù)觸發(fā)： 功能在傳入數(shù)據(jù)事件上運(yùn)行。

2. 時(shí)間觸發(fā)： 功能在傳入時(shí)間事件上運(yùn)行。

通過這種設(shè)計(jì)支持構(gòu)建一個(gè)強(qiáng)大且可適應(yīng)的系統(tǒng)，使用過濾器可以輕松集成和定制。比如在數(shù)采系統(tǒng)中，通過不同的時(shí)間觸發(fā)設(shè)計(jì)，以適應(yīng)不同頻率的傳感器數(shù)據(jù)采集?；蛘呃胏DataTriggerHint類來確保當(dāng)車輛傳感器數(shù)據(jù)（如攝像頭圖像）到達(dá)時(shí)，觸發(fā)相應(yīng)的數(shù)據(jù)處理算法運(yùn)行，從而實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)流的高效響應(yīng)和處理。

二、創(chuàng)建過濾器

通常，在ADTF中濾波器會(huì)被打包成一個(gè)插件。通過ADTF 的插件機(jī)制使其能夠在 ADTF 的運(yùn)行時(shí)加載。在濾波器中，可以通過可以創(chuàng)建輸出引腳或輸入引腳，這里我們以輸出引腳為例。引腳傳輸出去的數(shù)據(jù)，在ADTF中稱為樣本（Sample）。其代碼案例如下，創(chuàng)建一個(gè)濾波器并添加一個(gè)輸出引腳及樣本數(shù)據(jù)。

三、 樣本（Sample）

樣本（Sample）是 ADTF中用于數(shù)據(jù)傳輸?shù)幕締卧?。它們不僅包含數(shù)據(jù)本身，還包含與數(shù)據(jù)流相關(guān)的元信息，如圖2所示。

圖2 Sample

一般來說，樣本通過 streaming::ISample 接口進(jìn)行操作。其樣本組成包含以下內(nèi)容：

1. 時(shí)間戳（Timestamp）：為每個(gè)數(shù)據(jù)提供時(shí)間關(guān)聯(lián)。

2. 樣本緩沖區(qū)（SampleBuffer）：通常是一個(gè)內(nèi)存塊的引用，包含用戶數(shù)據(jù)。

3. 樣本信息（Sample Info）（可選）：提供額外的元數(shù)據(jù)。

4. 子流 ID（Substream Id）（可選）：用于標(biāo)識(shí)特定的數(shù)據(jù)子流。

比如我們可以輕易實(shí)現(xiàn)將內(nèi)存緩沖區(qū)內(nèi)容復(fù)制到樣本中，實(shí)現(xiàn)數(shù)據(jù)傳輸。

四、過濾器應(yīng)用

ADTF過濾器的應(yīng)用場(chǎng)景廣泛，它們不僅能夠處理和轉(zhuǎn)換數(shù)據(jù)，還能夠根據(jù)特定的需求定制功能。在圖3所示，在人臉識(shí)別算法工程中，過濾器被用于處理從攝像頭捕獲的視頻流。

首先，一個(gè)過濾器用于解碼視頻流，將原始數(shù)據(jù)轉(zhuǎn)換為圖像幀。接下來，通過一個(gè)復(fù)雜的過濾器（OpenCV Face Detector Filter）實(shí)現(xiàn)人臉識(shí)別算法，識(shí)別并跟蹤視頻中的人臉。通過這些過濾器的協(xié)同工作，系統(tǒng)能夠?qū)崟r(shí)處理視頻數(shù)據(jù)，并提供有用的輸出，如安全監(jiān)控或人流量統(tǒng)計(jì)。

圖3 人臉識(shí)別算法工程

此外，過濾器可用于多種用途，包括但不限于：

1. 解碼來自CAN、MOST或FlexRay等設(shè)備的流源數(shù)據(jù)。

2. 預(yù)處理傳入數(shù)據(jù)，為算法實(shí)現(xiàn)做準(zhǔn)備。

3. 通過復(fù)雜的算法實(shí)現(xiàn)重新計(jì)算和合并傳入數(shù)據(jù)。

4. 實(shí)現(xiàn)循環(huán)控制器。

5. 接收傳入數(shù)據(jù)并進(jìn)行數(shù)據(jù)可視化。

五、總結(jié)

ADTF過濾器提供了一個(gè)靈活且強(qiáng)大的平臺(tái)，用于構(gòu)建和集成數(shù)據(jù)處理流程。無論是在汽車、工業(yè)自動(dòng)化等領(lǐng)域，過濾器都能夠提供定制化的解決方案，滿足特定的技術(shù)需求。通過合理設(shè)計(jì)和配置過濾器，可以大大提高數(shù)據(jù)處理的效率和可靠性。