康谋分享 | ADTF过滤器全面解析：构建、配置与数据处理应用

在ADTF(Automotive Data and Time-Triggered Framework)中，过滤器（Filter）扮演着数据处理的核心角色。过滤器是处理数据流的基本单元，它们接收、处理并发送数据。接下来，将分享ADTF中创建和使用过滤器，包括设置输入输出针脚（Pins）、配置触发器（Triggers）以及处理数据样本（Samples）。

一、过滤器基础

过滤器是ADTF中用于数据处理和转换的小型处理单元，可以通过特定的接口接收和发送数据，如图1所示。

图1 Filter

过滤器核心能力如下：

1.数据接收：通过输入引脚（In Pins）和对应的样本读取器（Sample Reader）接收数据。

2.数据发送：通过输出引脚（Out Pins）和对应的样本写入器（Sample Writer）发送数据。

3.数据处理：在运行器（Runners）（也称为触发上下文、可运行对象或可调用对象）的上下文中处理数据。

在进行过滤器的设计，考虑将数据传输与运行时行为分离。因此引入了触发机制，包括数据触发和时间触发。

1.数据触发：功能在传入数据事件上运行。

2.时间触发：功能在传入时间事件上运行。

通过这种设计支持构建一个强大且可适应的系统，使用过滤器可以轻松集成和定制。比如在数采系统中，通过不同的时间触发设计，以适应不同频率的传感器数据采集。或者利用cDataTriggerHint类来确保当车辆传感器数据（如摄像头图像）到达时，触发相应的数据处理算法运行，从而实现实时数据流的高效响应和处理。

二、创建过滤器

通常，在ADTF中滤波器会被打包成一个插件。通过ADTF 的插件机制使其能够在 ADTF 的运行时加载。在滤波器中，可以通过可以创建输出引脚或输入引脚，这里我们以输出引脚为例。引脚传输出去的数据，在ADTF中称为样本（Sample）。其代码案例如下，创建一个滤波器并添加一个输出引脚及样本数据。

三、 样本（Sample）

样本（Sample）是 ADTF中用于数据传输的基本单元。它们不仅包含数据本身，还包含与数据流相关的元信息，如图2所示。

图2 Sample

一般来说，样本通过 streaming::ISample 接口进行操作。其样本组成包含以下内容：

1.时间戳（Timestamp）：为每个数据提供时间关联。

2.样本缓冲区（SampleBuffer）：通常是一个内存块的引用，包含用户数据。

3.样本信息（Sample Info）（可选）：提供额外的元数据。

4.子流 ID（Substream Id）（可选）：用于标识特定的数据子流。

比如我们可以轻易实现将内存缓冲区内容复制到样本中，实现数据传输。

四、过滤器应用

ADTF过滤器的应用场景广泛，它们不仅能够处理和转换数据，还能够根据特定的需求定制功能。在图3所示，在人脸识别算法工程中，过滤器被用于处理从摄像头捕获的视频流。

首先，一个过滤器用于解码视频流，将原始数据转换为图像帧。接下来，通过一个复杂的过滤器（OpenCV Face Detector Filter）实现人脸识别算法，识别并跟踪视频中的人脸。通过这些过滤器的协同工作，系统能够实时处理视频数据，并提供有用的输出，如安全监控或人流量统计。

图3 人脸识别算法工程

此外，过滤器可用于多种用途，包括但不限于：

1.解码来自CAN、MOST或FlexRay等设备的流源数据。

2.预处理传入数据，为算法实现做准备。

3.通过复杂的算法实现重新计算和合并传入数据。

4.实现循环控制器。

5.接收传入数据并进行数据可视化。

五、总结

ADTF过滤器提供了一个灵活且强大的平台，用于构建和集成数据处理流程。无论是在汽车、工业自动化等领域，过滤器都能够提供定制化的解决方案，满足特定的技术需求。通过合理设计和配置过滤器，可以大大提高数据处理的效率和可靠性。