主要包含两个大的概念：时间系统间的时间同步与传感器数据间的时间同步

1. 时间系统间的时间同步

概念：

自动驾驶域控一般由多个芯片与多种类型的传感器组成，如：MCU + SoC + Camera + Lidar + Radar + USS + GNSS，其中 MCU/SoC/Camera/Lidar 等较为复杂的电子器械上一般自带专门的时间系统，由时间系统提供与时间相关的接口给到应用程序，这些时间系统间的时间需要保持一致。

1.1 时间系统

时间系统通过接口形式，为应用程序提供多种时间功能，如世界时间获取，周期计时等。时间系统主要依赖于晶振计时，初始时间设置与时间同步。

1.1.1 晶振计时：

晶体振荡器每秒钟振荡几千至上百万次（振荡次数越多，时间间隔越精准），为时间系统提供较为精准的时钟信号，过程可以简单描述为：晶体每振荡N次，时间系统增加1纳秒。晶振。

一般系统设计当中，晶振的计时始终累积，不随时间同步变换。

但晶振存在两个问题，一是无法获取初始时间，二是晶振本身存在一定的误差

1.1.2 初始时间设置与时间同步：

系统启动后，默认会有个初始时间，如经典的 1970-01-01 00:00:00，需要使用外部信号对时间进行初始设置。

初始时间设置以后，随着时间推移，晶振累积的误差变大，需要对时间进行纠正微调。例如我们使用的手机，一般每周会与互联网时间同步一次，累积误差一般在几十秒内。

1.2 同步方式 NTP/PTP（gPTP）

时间同步主要有两种方式，NTP与PTP（gPTP可以理解为PTP协议的特定部分）。linux内核对两种协议都有支持（NTP，ptp4l），配置相应的参数（如NTP服务器/客户端地址）即可。具体协议内容不做展开。

PTP协议的时间精度显著高于NTP，主要原因包括以下几个方面：

• 硬件支持的差异‌

PTP依赖硬件时间戳记录报文收发时间，直接在数据链路层处理时间信息，减少了操作系统和软件栈的延迟干扰‌。而NTP主要基于软件时间戳，在应用层处理同步，无法避免协议栈处理带来的不确定性‌。

• 时间戳记录位置不同‌

PTP在数据链路层精确记录报文的发送和接收时间，时间戳更贴近物理网络的实际传输时刻‌。NTP的时间戳记录发生在应用层，报文经过协议栈各层时可能引入额外延迟抖动‌。

• 网络延迟计算方法优化‌

PTP通过多次报文交换（Sync、Follow_Up、Delay_Req等）计算双向传输延迟，并基于网络对称性假设将总延迟均摊为单向值，误差更小‌。NTP仅通过两次报文交换估算延迟，且未严格区分主从路径的延迟差异，精度受限‌。

• 主从结构与层级设计‌

PTP采用严格的主从架构（Best Master Clock Algorithm），由单一高精度主时钟直接同步所有从节点，减少层级累积误差‌。而NTP采用分层树状结构（Stratum层级），多级跳转会导致误差逐级放大‌。

• 同步机制覆盖范围更全面‌

PTP不仅同步绝对时间，还通过相位和频率同步消除时钟漂移，实现亚微秒级精度‌。NTP主要针对绝对时间同步，对频率同步的支持较弱，精度通常停留在毫秒级‌。

综上，PTP通过硬件协同、精确的时间戳记录、优化的延迟算法以及更严格的网络同步机制，实现了比NTP高2-3个数量级的时间精度‌。

1.3 自动驾驶系统中的系统时间同步

双时钟源

双时钟源的核心构成

‌1. GNSS卫星时钟源‌

• 采用北斗/GPS双模接收机，通过PPS秒脉冲（1Hz）和GPRMC报文提供全局时间基准。PPS脉冲精度可达20ns级别，GPRMC报文则补充完整UTC时间信息‌。
• 双卫星系统（如北斗+GPS）形成冗余，当某一系统信号丢失时，可在20ms内切换至备用卫星源，确保时钟连续性‌。

‌2. 以太网时钟源‌

• 基于IEEE 1588 PTP或802.1AS gPTP协议，通过主时钟节点（一般为MCU）向域控制器、相机、雷达等设备分发时间信号，实现亚微秒级同步‌。
• PTP协议支持硬件时间戳记录，规避操作系统协议栈延迟，精度比纯软件方案（如NTP）高2-3个数量级‌。

双时钟源协同机制

1. ‌主备切换逻辑‌

   当GNSS信号受遮挡（如隧道场景）时，系统自动切换至PTP网络时钟源；GNSS信号恢复后重新校准网络时钟，防止长期漂移‌。

2. ‌硬件级同步触发‌

   激光雷达、相机等传感器通过PPS脉冲触发数据采集，确保物理层时间对齐；域控制器结合PTP协议对多传感器时间戳进行微调，消除传输延迟‌。

技术优势

1. ‌抗干扰能力提升‌
   双时钟源通过卫星与地面网络互补，解决单一信号源易受环境干扰的问题（如城市峡谷、电磁干扰）‌。

2. ‌误差控制优化‌
   GNSS提供绝对时间基准，PTP实现局部高精度同步，两者结合可将全域时间误差控制在100ns以内‌

2. 传感器数据间的时间同步

概念：

传感器采样频率有快有慢，一般而言，摄像头频率10～15Hz，激光雷达频率在20Hz，毫米波雷达频率20～25Hz...

自动驾驶算法模块接收到传感器数据时，时间无法完全保持一致，需要对传感器数据进行一定的校准

同步方式

1. 软件层面

软件层面需要尽可能以适合算法使用的方式处理传感器数据的时间

举例：

为了在激光雷达和摄像头之间实现良好的跨模态数据对齐，当顶部激光雷达扫过摄像头视场中心时，摄像头的曝光就会被触发。图像的时间戳是曝光触发时间；激光雷达扫描的时间戳是当前激光雷达帧完成旋转的时间。由于摄像头的曝光时间几乎是瞬时的，这种方法通常可以实现良好的数据对齐。需要注意的是，摄像头的运行频率为 12Hz，而激光雷达的运行频率为 20Hz。12 个摄像头的曝光尽可能均匀地分布在 20 个激光雷达扫描中，因此并非所有激光雷达扫描都有对应的摄像头帧。将摄像头的帧速率降低到 12Hz 有助于降低感知系统的计算、带宽和存储需求。

2. 算法层面

算法使用传感器数据进行二维或三维建模时，需要选取某一种类型的传感器数据作为主要场景（一般是摄像头图像），然后将采集到的其它传感器的数据在时间上做一定修正，渲染到主场景中，实现传感器数据的时空统一