自動駕駛占用網絡是依靠哪個傳感器實現的？

[首發于智駕最前沿微信公眾號]自動駕駛技術的演進過程，本質上是人類試圖賦予機器理解物理世界幾何結構能力的過程。在過去很長一段時間里，感知系統高度依賴于對特定目標的分類與識別，這種方式雖然在簡單的道路環境下卓成效，但在面對復雜多變的現實世界時，卻暴露出明顯的局限性。

如果感知系統在訓練集中見過某種標準的轎車或行人，它就能在道路上精準地將其標注出來。然而，當系統遇到那些從未見過的、形狀奇特的障礙物時，基于目標的識別算法就會陷入迷茫。為了打破這種對“標簽”的依賴，占用網絡技術應運而生。

它不再糾結于眼前的物體到底是什么，而是直接回歸物理世界的本質，即回答空間是否被占據這一核心命題。這種從語義識別向幾何感知的跨越，不僅改變了自動駕駛的底層邏輯，也對硬件傳感器的協同提出了全新的要求，同時也標志著感知系統從“看圖識字”邁向了“空間直覺”的新階段。

占用網絡實現的硬件選擇

占用網絡的實現目前普遍建立在多攝像頭覆蓋的視覺體系之上。攝像頭作為一種被動傳感器，能夠捕捉到豐富的顏色、紋理以及深層次的語義信息，這對于理解復雜的交通環境至關重要。

在一個典型的占用網絡實現方案中，一般需要布置六到八個攝像頭，以實現車輛周圍三百六十度的無死角覆蓋。這些攝像頭的圖像數據匯聚到車載計算平臺中，為后續的空間重構提供最原始的素材。由于攝像頭天然缺乏直接的深度信息，占用網絡就通過算法層面的升維，在軟件層面解決這一物理缺陷。

圖片源自：網絡

雖然特斯拉等企業倡導純視覺方案，但在占用網絡的開發和訓練階段，配備高精度激光雷達的采集車實際上扮演了非常重要的角色。

激光雷達通過發射激光脈沖并接收反射信號，能夠生成極其精準的三維點云數據，這些數據被作為真值標簽，用來教導視覺網絡如何正確地從二維圖像中還原三維空間。激光雷達提供的厘米級距離信息，確保了視覺占用網絡在預測每個空間方格是否被占據時，擁有極高的置信度參考。

而在一些國內廠商的方案中，激光雷達則直接參與實時感知，與視覺傳感器深度融合，形成了一種互補的硬件閉環。視覺傳感器負責識別顏色和細致的語義，而激光雷達則負責在光照不足或天氣惡劣的情況下，提供絕對可靠的距離支撐。

除了視覺和激光雷達，毫米波雷達在占用網絡框架下依然保有其獨特的價值。毫米波雷達對金屬目標的敏感度以及在惡劣天氣下的穿透力，為系統提供了必要的安全冗余。

在應對暴雨、濃霧等極端條件時，攝像頭可能因為視線受阻而導致感知識效，此時毫米波雷達雖然無法提供精細的幾何輪廓，但其對障礙物距離和速度的精準捕捉，能有效填補視覺感知的盲區。

通過多傳感器的協同，占用網絡得以在不同的環境條件下維持穩定的空間表征能力，這種硬件體系的構建，實際上是在成本、性能與可靠性之間尋找一種精密的平衡。

空間的像素化重構與體素化

占用網絡的實現，可以通俗地理解為將車輛周圍的現實世界變成一個類似于像素化游戲風格的方塊宇宙。這個過程的第一步是特征提取，車載攝像頭捕獲的多路視頻流先通過深度神經網絡進行特征解析。此時，信息還停留在二維平面上。為了將這些分散的二維特征拼湊成一個完整的三維空間，系統引入了空間注意力機制。

這種機制就像是在每一個潛在的空間位置上伸出觸角，去所有攝像頭拍攝的畫面中搜尋相關的特征信息。通過這種方式，原本孤立的攝像頭畫面被有機地縫合在一起，形成了一個初步的三維表征。

接下來是占用網絡最核心的一步，即體素化過程。系統將車輛周圍的一定范圍劃分為無數個微小的三維立方體，這些立方體在技術上被稱為體素。對于每一個體素，網絡需要給出一個概率值，預測它當前是空的還是被占據的。

圖片源自：網絡

這種處理方式徹底打破了傳統感知中對邊界框的依賴。在傳統的感知模型中，系統必須先識別出這是一個垃圾桶還是電線桿，然后用一個長方體框住它。如果遇到了形狀奇特的障礙物，系統可能因為認不出來而直接忽略。

但在占用網絡看來，物理世界的規律很簡單，即任何實體都必然占據一定的空間。這種邏輯使得車輛在面對未見過的障礙物時，都能準確地識別出那里有東西，從而實現精準避讓。

為了提高感知的精細度，技術上還引入了隱式函數和子體素精化。早期的占用網絡受限于算力，體素的分辨率往往較低，這會導致物體邊緣看起來比較模糊，就像是打了一層厚厚的馬賽克。

為了解決這個問題，有些方案不再只是簡單地判斷體素是否被占據，而是預測一個連續的符號距離函數值。這意味著系統可以精準地計算出空間中任意一點距離物體表面的真實距離。通過這種數學上的精細處理，占用網絡可以將感知精度大幅度提升，不僅對避障有益，更在自主泊車等需要極限空間判斷的場景中展現出了巨大的潛力。

在實現過程中，如何平衡精細度與計算開銷是一個永恒的話題。由于三維空間的計算復雜度是隨著分辨率的提升呈立方級增長的，如果盲目追求高精細度，車載芯片的內存和算力會迅速過載。因此，很多方案采用了非對稱的視角處理，或者專門針對稀疏空間進行優化。

如系統會優先處理那些可能存在障礙物的關鍵區域，而對于空曠的藍天或遙遠的背景則進行簡化處理。這種智能的資源調度，確保了占用網絡能在極短的時間內完成一次全景掃描，滿足高速行駛過程中的實時性要求。

時間維度的引入與四維時空的深度融合

如果說體素化是給世界拍了一張三維快照，那么時序融合就是將這些快照串聯成了一部連貫的電影。在自動駕駛中，靜態的空間感知是不夠的，系統必須理解物體的運動趨勢。占用網絡通過引入時間維度，實現了從三維到四維的跨越。這種跨越的實現依托于時序特征融合技術。

簡單來說，系統不僅關注當前這一幀看到了什么，還會把前幾幀感知的空間特征存儲在記憶倉庫中。當車輛向前行駛時，系統會根據車輛自身的運動參數對這些舊記憶進行平移和對齊，確保新舊信息能在同一個時空框架下進行比對。

這種時序融合帶來了兩個極具價值的能力，即遮擋預測與運動估計。在復雜的城市交通中，障礙物之間的互相遮擋是常態。路邊停著的一輛大卡車可能會擋住后面準備橫穿馬路的行人。如果只看當前幀，行人是不可見的。

但通過時序記憶，系統能想起前幾秒在卡車尾部出現過的人影，從而通過算法腦補出被遮擋區域可能存在的風險。這種腦補能力并不絲滑憑空猜測，而是基于大量歷史數據訓練出的空間先驗知識。系統在統一的視角空間內對被遮擋區域進行概率預測，實現了對潛在危險的提前預警。

圖片源自：網絡

時序信息還賦予了體素流速的概念。通過對比連續多幀的占用狀態變化，系統可以計算出每個空間位置的運動矢量。這不僅能分辨出哪些是路邊的靜止建筑，哪些是正在變道的鄰車，還能預判對方未來的軌跡。

相比于傳統的物體跟蹤，這種基于體素的運動感知會更加穩健，因為它不依賴于對物體完整輪廓的識別。即便只能看到車輛的一個局部，系統也能根據這個局部特征的位移推斷出整體的動態。

這種對動態環境的深度理解，為后續的路徑規劃提供了極高質量的輸入，使自動駕駛車輛在應對復雜路口或加塞場景時表現得更加從容。

這種從空間到時空的維度升級，標志著自動駕駛感知技術進入了成熟期。占用網絡不再是一個孤立的檢測工具，而是一個能夠實時構建局部世界模型的認知引擎。

最后的話

占用網絡技術通過對空間的方塊化重構，解決了傳統感知在處理異形障礙物和復雜空間關系時的痛點。它依托多路攝像頭構建視野，利用激光雷達磨練精度，通過強大的算力將像素織成空間，最后借助時間的力量賦予這些空間以生命。雖然目前這項技術對硬件資源的需求依然巨大，一般只會出現在搭載頂級芯片的高端車型上，但隨著算法的不斷優化和硬件成本的逐步下降，這種具備物理直覺的感知方式正逐漸成為行業的主流標準。