[首發(fā)于智駕最前沿微信公眾號]在自動駕駛領域，如何準確地感知和理解周圍的三維環(huán)境始終是技術核心。早期的感知方案主要依賴于二維目標檢測，即通過圖像識別出車輛、行人和交通標志，并在其周圍畫出矩形框。

這種基于框的識別方式在面對復雜和不規(guī)則物體時顯得力不從心。隨著技術的發(fā)展，鳥瞰圖技術將多攝像頭采集的圖像轉換到俯視坐標系中，極大地改善了路徑規(guī)劃的效率，但它依然忽略了高度維度的信息。占用網絡的出現徹底改變了這一現狀。

占用網絡的優(yōu)勢是什么？

占用網絡不再只是關注路面上“這是一個什么物體”，而是通過將三維空間切分為無數個細小的方塊，即體素，來預測每個空間單位是否被占據。這種從“物體優(yōu)先”向“幾何優(yōu)先”的轉變，使自動駕駛系統(tǒng)能夠識別出那些在傳統(tǒng)模型庫中不存在的異形物體，從而有效填補了感知上的語義裂隙。

占用網絡的核心優(yōu)勢在于它能夠提供一種密集的、具有高度信息的環(huán)境描述。通過這種方式，車輛不僅能看到前方有一輛車，還能感知到路面上的細微起伏、伸向道路的樹枝或是傾斜的路燈桿。這種全方位的感知能力直接提升了自動駕駛系統(tǒng)在復雜城市場景和非結構化道路中的安全性。

圖片源自：網絡

在占用網絡的構建過程中，針對不同性質的場景元素采取差異化的處理手段是提升精度的關鍵。尤其是路面與天空這兩類特征迥異的場景，它們分別代表了物理世界的“支撐面”與“無窮遠邊界”，其處理邏輯在算法底層有著本質的區(qū)別。

占用網絡通常由一個強大的主干網絡提取多視角圖像特征，隨后利用注意力機制將這些二維特征投影到三維體素空間中。在這一過程中，算法必須能夠辨別哪些像素對應著立體的物理障礙物，哪些像素僅僅是作為背景存在。

路面作為車輛行駛的基礎，其幾何特征的重構精度直接影響到避障和懸掛控制；而天空則是一個沒有深度信息的區(qū)域，它在占用網絡中更多地扮演著“幾何定標”和“負約束”的角色。對這兩個場景進行差異化處理，不僅是提升算力效率的需要，更是實現高可靠感知的必然選擇。

占用網絡如何處理路面？

路面在占用網絡中被視為最基礎的靜態(tài)場景。雖然在視覺上路面呈現出較為統(tǒng)一的紋理，但在三維空間中，路面的處理遠比看上去復雜。路面不僅是“被占據”的體素，它還承載著坡度、顛簸以及路緣石等關鍵幾何信息。

為了做好路面的區(qū)分，占用網絡首先需要解決高精度的高度估計問題。傳統(tǒng)的視覺感知算法在處理遠距離路面時，由于透視效應和圖像分辨率的限制，會出現嚴重的深度誤差。占用網絡通過引入高程重構技術，能夠刻畫出路面的凹凸不平，這對于車輛在復雜地形下的速度規(guī)劃至關重要。

在處理路面時，算法會利用“地平面先驗”作為約束。這意味著模型會預先假設路面是一個大致連續(xù)的表面，并在此基礎上通過多幀圖像的融合來消除單幀預測帶來的噪聲。

對于非結構化道路中的起伏，一些先進的模型采用了坡度感知的自適應特征提取模塊。該模塊可以根據輸入圖像動態(tài)調整特征權重，從而在陡坡或急彎處保持穩(wěn)定的路面追蹤能力。

與處理障礙物不同，路面的體素填充邏輯一般是分層進行的。模型會先生成一個粗略的地面網格，再根據局部的圖像特征進行亞體素級別的細節(jié)修正，這種從粗到精的過程保證了感知系統(tǒng)對行駛路徑的精準判斷。

數據層面的處理同樣體現了路面的特殊性。在生成用于訓練占用網絡的地面真值標簽時，直接使用激光雷達點云會遇到稀疏性的問題。由于激光束與地面夾角很小，遠處的點云幾乎無法覆蓋地面。

因此，有技術提出了專門的標簽生成管線，通過融合多幀序列、利用泊松重構等算法填補空洞，從而生成一個連續(xù)、平滑且具有真實語義的路面體素模型。

此外，針對路面反光或陰影導致的識別錯誤，占用網絡會結合語義分割信息，將標記為“可行駛區(qū)域”的像素點與空間中的深度值進行交叉驗證，確保被占據的路面體素不會與空中的懸浮物混淆。

特斯拉等車企的占用網絡通過預測“帶符號距離場”來進一步提升路面的表現。這種方法不僅能確定路面是否被占據，還能計算出空間中任意一點距離路面表面的精確距離。這種精度的提升使得車輛能夠識別出路面上微小的凸起。這種對路面的精細化建模，極大地增強了自動駕駛系統(tǒng)對復雜路況的適應性。

占用網絡如何處理天空？

相比于路面的“重幾何”屬性，天空在占用網絡中的處理邏輯則更傾向于“重語義”和“負反饋”。天空其實是無盡的背景，激光雷達等主動傳感器無法在天空區(qū)域獲得反射信號，因此天空在傳感器的原始數據中通常表現為“丟失”或“無窮遠”。

如果算法不對天空進行特殊處理，那么在將圖像特征投影到三維空間時，天空區(qū)域的像素特征可能會因為缺乏深度約束而沿著光束方向發(fā)生“漂移”，錯誤地填充到近處的體素中，形成“深度流血”現象。

為了有效地區(qū)分天空，占用網絡引入了“天空接地”技術。這一技術是利用大模型或預訓練的語義網絡識別出圖像中的天空區(qū)域，并將其作為感知系統(tǒng)的邊界約束。

在投影過程中，屬于天空區(qū)域的體素會被強制標記為“空閑”或“未觀測”，從而防止系統(tǒng)在半空中產生虛假的障礙物。這種方法本質上是將天空視為一個過濾器，利用視覺背景的確定性來反向優(yōu)化三維空間的幾何結構。這與路面處理中不斷尋找“支撐點”的邏輯正好相反，天空的處理是在不斷地進行“空間排除”。

天空在環(huán)境理解中還承擔著輔助定標的任務。通過分析天空中云層的分布、光線的明暗以及地平線的位置，算法可以輔助修正相機的外參。在無人船或極端地形下的自動駕駛中，利用顏色空間模型（如亮度與飽和度分布）對天空進行精準檢測，能夠幫助系統(tǒng)更快速地識別出陸地和水面的界限。

在占用網絡的訓練階段，對于天空標簽的缺失，研究人員會引入“能見度掩碼”的機制。該機制能夠區(qū)分一個體素是確實沒有被占據，還是因為被遮擋而無法觀測。由于天空永遠不會被“占據”，它在能見度推理中提供了一個天然的終點參考。

三透視視圖（TPV）等新型表征方式對天空的處理更加得心應手。TPV將空間分解為頂視、側視和前視三個互相垂直的平面，天空的語義特征可以在側視和前視圖中得到充分的表達，而不會像傳統(tǒng)的鳥瞰圖（BEV）那樣將高度信息完全壓縮。

這種多維度的特征融合，當像素出現在圖像上方且呈現出天空特有的色彩分布時，其對應的三維體素應具有極低的占據概率。這種語義驅動的幾何推理，是占用網絡能夠處理各種復雜氣象和光照條件的關鍵所在。

異構場景的統(tǒng)一建模與技術協同

占用網絡之所以強大，是因為它能在同一個框架下，利用完全不同的邏輯同時處理路面、天空和各種復雜的障礙物。這種統(tǒng)一性是通過復雜的特征提升與融合機制實現的。

在自動駕駛算法中，三透視視圖（TPV）和Transformer結構的引入，使得模型能夠根據空間位置的動態(tài)變化，自適應地應用不同的處理策略。如當系統(tǒng)識別到一個體素位于車輛下方且語義接近“路面”時，會更側重于幾何表面的平滑性；而當體素位于視野上方且呈現天空特征時，系統(tǒng)則會應用更強的負約束來清空該區(qū)域。

為了在有限的算力下實現這種精細化的場景區(qū)分，有技術提出了“距離感知”的感知范式。在車輛附近的“安全核心區(qū)”，系統(tǒng)會分配更高的分辨率和更多的體素單元，以便精確重構路面的每一個細節(jié)；而在遠距離區(qū)域，則采用更粗糙的體素劃分，主要依靠語義信息來判斷天空和背景的邊界。

這種資源分配策略不僅模擬了人類視覺“近精遠粗”的特點，還顯著提升了系統(tǒng)的實時處理能力。

同時，為了解決傳感器數據的稀疏性和噪聲問題，自監(jiān)督學習技術開始嶄露頭角。通過利用神經輻射場（NeRF）等渲染技術，模型可以將預測的三維占用圖重新投影回二維圖像，并與原始視頻幀進行比對，從而在沒有人工標注的情況下，自主學習如何區(qū)分復雜的路面紋理與變幻莫測的天空背景。