本文目录导读：
你提到的“赛后开源项目”应该是指自动驾驶/机器人领域的赛后开源项目（比如各类自动驾驶挑战赛、CVPR/ICCV 相关竞赛后开源的代码库），这类项目里，最致命的数据通常是“时间同步/标定数据”——也就是传感器之间的时间戳对齐与外参标定。
为什么时间同步最致命
它错一点，全盘皆错
- 相机、LiDAR、IMU、GNSS 的时间戳如果没对齐,融合结果会直接崩。
- 外参（传感器之间的相对位姿）哪怕差 1~2 度,远处目标就会偏移几米。
它最容易被忽略
- 大家看开源项目通常先看模型结构、算法思路，很少有人第一时间检查
calib.yaml、timestamp对齐逻辑。 - 但复现失败时，90% 的“玄学问题”最后都追到时间同步或标定上。
它不可替代
- 模型可以换、loss 可以调、数据可以增广，但标定和时间戳是物理约束,错了没法用算法补回来。
- 尤其是多传感器融合（Camera-LiDAR-Radar-IMU）项目，时间戳错 10ms,高速场景下就是几十厘米的误差。
其他也很致命的数据
| 数据项 | 致命程度 | 原因 |
|---|---|---|
| 时间同步/标定 | 物理约束，无法用算法弥补 | |
| 坐标系定义（ENU vs EGO vs Camera） | 混淆会导致结果完全反向 | |
| 数据集划分（train/val 泄漏） | 指标虚高，复现无意义 | |
| 预处理归一化参数 | 影响收敛，但可调 | |
| 随机种子 | 影响复现，但不致命 |
如果只能选一个：时间同步与传感器标定数据最致命。
因为它是物理层面的正确性前提，一旦出错，后面所有算法层面的努力都是在一个错误的基础上叠加，且很难通过调试发现——这也是很多赛后开源项目“看着能跑，复现就崩”的核心原因。
