[首發(fā)于智駕最前沿微信公眾號(hào)]自動(dòng)駕駛技術(shù)的演進(jìn)過程，本質(zhì)上是人類試圖賦予機(jī)器理解物理世界幾何結(jié)構(gòu)能力的過程。在過去很長一段時(shí)間里，感知系統(tǒng)高度依賴于對(duì)特定目標(biāo)的分類與識(shí)別，這種方式雖然在簡單的道路環(huán)境下卓成效，但在面對(duì)復(fù)雜多變的現(xiàn)實(shí)世界時(shí)，卻暴露出明顯的局限性。

如果感知系統(tǒng)在訓(xùn)練集中見過某種標(biāo)準(zhǔn)的轎車或行人，它就能在道路上精準(zhǔn)地將其標(biāo)注出來。然而，當(dāng)系統(tǒng)遇到那些從未見過的、形狀奇特的障礙物時(shí)，基于目標(biāo)的識(shí)別算法就會(huì)陷入迷茫。為了打破這種對(duì)“標(biāo)簽”的依賴，占用網(wǎng)絡(luò)技術(shù)應(yīng)運(yùn)而生。

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

占用網(wǎng)絡(luò)實(shí)現(xiàn)的硬件選擇

占用網(wǎng)絡(luò)的實(shí)現(xiàn)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(dòng)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(duì)于理解復(fù)雜的交通環(huán)境至關(guān)重要。

在一個(gè)典型的占用網(wǎng)絡(luò)實(shí)現(xiàn)方案中，一般需要布置六到八個(gè)攝像頭，以實(shí)現(xiàn)車輛周圍三百六十度的無死角覆蓋。這些攝像頭的圖像數(shù)據(jù)匯聚到車載計(jì)算平臺(tái)中，為后續(xù)的空間重構(gòu)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(wǎng)絡(luò)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(wǎng)絡(luò)

雖然特斯拉等企業(yè)倡導(dǎo)純視覺方案，但在占用網(wǎng)絡(luò)的開發(fā)和訓(xùn)練階段，配備高精度激光雷達(dá)的采集車實(shí)際上扮演了非常重要的角色。

激光雷達(dá)通過發(fā)射激光脈沖并接收反射信號(hào)，能夠生成極其精準(zhǔn)的三維點(diǎn)云數(shù)據(jù)，這些數(shù)據(jù)被作為真值標(biāo)簽，用來教導(dǎo)視覺網(wǎng)絡(luò)如何正確地從二維圖像中還原三維空間。激光雷達(dá)提供的厘米級(jí)距離信息，確保了視覺占用網(wǎng)絡(luò)在預(yù)測每個(gè)空間方格是否被占據(jù)時(shí)，擁有極高的置信度參考。

而在一些國內(nèi)廠商的方案中，激光雷達(dá)則直接參與實(shí)時(shí)感知，與視覺傳感器深度融合，形成了一種互補(bǔ)的硬件閉環(huán)。視覺傳感器負(fù)責(zé)識(shí)別顏色和細(xì)致的語義，而激光雷達(dá)則負(fù)責(zé)在光照不足或天氣惡劣的情況下，提供絕對(duì)可靠的距離支撐。

除了視覺和激光雷達(dá)，毫米波雷達(dá)在占用網(wǎng)絡(luò)框架下依然保有其獨(dú)特的價(jià)值。毫米波雷達(dá)對(duì)金屬目標(biāo)的敏感度以及在惡劣天氣下的穿透力，為系統(tǒng)提供了必要的安全冗余。

在應(yīng)對(duì)暴雨、濃霧等極端條件時(shí)，攝像頭可能因?yàn)橐暰€受阻而導(dǎo)致感知識(shí)效，此時(shí)毫米波雷達(dá)雖然無法提供精細(xì)的幾何輪廓，但其對(duì)障礙物距離和速度的精準(zhǔn)捕捉，能有效填補(bǔ)視覺感知的盲區(qū)。

通過多傳感器的協(xié)同，占用網(wǎng)絡(luò)得以在不同的環(huán)境條件下維持穩(wěn)定的空間表征能力，這種硬件體系的構(gòu)建，實(shí)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(gòu)與體素化

占用網(wǎng)絡(luò)的實(shí)現(xiàn)，可以通俗地理解為將車輛周圍的現(xiàn)實(shí)世界變成一個(gè)類似于像素化游戲風(fēng)格的方塊宇宙。這個(gè)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(jīng)網(wǎng)絡(luò)進(jìn)行特征解析。此時(shí)，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(gè)完整的三維空間，系統(tǒng)引入了空間注意力機(jī)制。

這種機(jī)制就像是在每一個(gè)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(guān)的特征信息。通過這種方式，原本孤立的攝像頭畫面被有機(jī)地縫合在一起，形成了一個(gè)初步的三維表征。

接下來是占用網(wǎng)絡(luò)最核心的一步，即體素化過程。系統(tǒng)將車輛周圍的一定范圍劃分為無數(shù)個(gè)微小的三維立方體，這些立方體在技術(shù)上被稱為體素。對(duì)于每一個(gè)體素，網(wǎng)絡(luò)需要給出一個(gè)概率值，預(yù)測它當(dāng)前是空的還是被占據(jù)的。

圖片源自：網(wǎng)絡(luò)

這種處理方式徹底打破了傳統(tǒng)感知中對(duì)邊界框的依賴。在傳統(tǒng)的感知模型中，系統(tǒng)必須先識(shí)別出這是一個(gè)垃圾桶還是電線桿，然后用一個(gè)長方體框住它。如果遇到了形狀奇特的障礙物，系統(tǒng)可能因?yàn)檎J(rèn)不出來而直接忽略。

但在占用網(wǎng)絡(luò)看來，物理世界的規(guī)律很簡單，即任何實(shí)體都必然占據(jù)一定的空間。這種邏輯使得車輛在面對(duì)未見過的障礙物時(shí)，都能準(zhǔn)確地識(shí)別出那里有東西，從而實(shí)現(xiàn)精準(zhǔn)避讓。

為了提高感知的精細(xì)度，技術(shù)上還引入了隱式函數(shù)和子體素精化。早期的占用網(wǎng)絡(luò)受限于算力，體素的分辨率往往較低，這會(huì)導(dǎo)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(gè)問題，有些方案不再只是簡單地判斷體素是否被占據(jù)，而是預(yù)測一個(gè)連續(xù)的符號(hào)距離函數(shù)值。這意味著系統(tǒng)可以精準(zhǔn)地計(jì)算出空間中任意一點(diǎn)距離物體表面的真實(shí)距離。通過這種數(shù)學(xué)上的精細(xì)處理，占用網(wǎng)絡(luò)可以將感知精度大幅度提升，不僅對(duì)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(xiàn)出了巨大的潛力。

在實(shí)現(xiàn)過程中，如何平衡精細(xì)度與計(jì)算開銷是一個(gè)永恒的話題。由于三維空間的計(jì)算復(fù)雜度是隨著分辨率的提升呈立方級(jí)增長的，如果盲目追求高精細(xì)度，車載芯片的內(nèi)存和算力會(huì)迅速過載。因此，很多方案采用了非對(duì)稱的視角處理，或者專門針對(duì)稀疏空間進(jìn)行優(yōu)化。

如系統(tǒng)會(huì)優(yōu)先處理那些可能存在障礙物的關(guān)鍵區(qū)域，而對(duì)于空曠的藍(lán)天或遙遠(yuǎn)的背景則進(jìn)行簡化處理。這種智能的資源調(diào)度，確保了占用網(wǎng)絡(luò)能在極短的時(shí)間內(nèi)完成一次全景掃描，滿足高速行駛過程中的實(shí)時(shí)性要求。

時(shí)間維度的引入與四維時(shí)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(shí)序融合就是將這些快照串聯(lián)成了一部連貫的電影。在自動(dòng)駕駛中，靜態(tài)的空間感知是不夠的，系統(tǒng)必須理解物體的運(yùn)動(dòng)趨勢。占用網(wǎng)絡(luò)通過引入時(shí)間維度，實(shí)現(xiàn)了從三維到四維的跨越。這種跨越的實(shí)現(xiàn)依托于時(shí)序特征融合技術(shù)。

簡單來說，系統(tǒng)不僅關(guān)注當(dāng)前這一幀看到了什么，還會(huì)把前幾幀感知的空間特征存儲(chǔ)在記憶倉庫中。當(dāng)車輛向前行駛時(shí)，系統(tǒng)會(huì)根據(jù)車輛自身的運(yùn)動(dòng)參數(shù)對(duì)這些舊記憶進(jìn)行平移和對(duì)齊，確保新舊信息能在同一個(gè)時(shí)空框架下進(jìn)行比對(duì)。

這種時(shí)序融合帶來了兩個(gè)極具價(jià)值的能力，即遮擋預(yù)測與運(yùn)動(dòng)估計(jì)。在復(fù)雜的城市交通中，障礙物之間的互相遮擋是常態(tài)。路邊停著的一輛大卡車可能會(huì)擋住后面準(zhǔn)備橫穿馬路的行人。如果只看當(dāng)前幀，行人是不可見的。

但通過時(shí)序記憶，系統(tǒng)能想起前幾秒在卡車尾部出現(xiàn)過的人影，從而通過算法腦補(bǔ)出被遮擋區(qū)域可能存在的風(fēng)險(xiǎn)。這種腦補(bǔ)能力并不絲滑憑空猜測，而是基于大量歷史數(shù)據(jù)訓(xùn)練出的空間先驗(yàn)知識(shí)。系統(tǒng)在統(tǒng)一的視角空間內(nèi)對(duì)被遮擋區(qū)域進(jìn)行概率預(yù)測，實(shí)現(xiàn)了對(duì)潛在危險(xiǎn)的提前預(yù)警。

時(shí)序信息還賦予了體素流速的概念。通過對(duì)比連續(xù)多幀的占用狀態(tài)變化，系統(tǒng)可以計(jì)算出每個(gè)空間位置的運(yùn)動(dòng)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(yù)判對(duì)方未來的軌跡。

相比于傳統(tǒng)的物體跟蹤，這種基于體素的運(yùn)動(dòng)感知會(huì)更加穩(wěn)健，因?yàn)樗灰蕾囉趯?duì)物體完整輪廓的識(shí)別。即便只能看到車輛的一個(gè)局部，系統(tǒng)也能根據(jù)這個(gè)局部特征的位移推斷出整體的動(dòng)態(tài)。

這種對(duì)動(dòng)態(tài)環(huán)境的深度理解，為后續(xù)的路徑規(guī)劃提供了極高質(zhì)量的輸入，使自動(dòng)駕駛車輛在應(yīng)對(duì)復(fù)雜路口或加塞場景時(shí)表現(xiàn)得更加從容。

這種從空間到時(shí)空的維度升級(jí)，標(biāo)志著自動(dòng)駕駛感知技術(shù)進(jìn)入了成熟期。占用網(wǎng)絡(luò)不再是一個(gè)孤立的檢測工具，而是一個(gè)能夠?qū)崟r(shí)構(gòu)建局部世界模型的認(rèn)知引擎。

最后的話

占用網(wǎng)絡(luò)技術(shù)通過對(duì)空間的方塊化重構(gòu)，解決了傳統(tǒng)感知在處理異形障礙物和復(fù)雜空間關(guān)系時(shí)的痛點(diǎn)。它依托多路攝像頭構(gòu)建視野，利用激光雷達(dá)磨練精度，通過強(qiáng)大的算力將像素織成空間，最后借助時(shí)間的力量賦予這些空間以生命。雖然目前這項(xiàng)技術(shù)對(duì)硬件資源的需求依然巨大，一般只會(huì)出現(xiàn)在搭載頂級(jí)芯片的高端車型上，但隨著算法的不斷優(yōu)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(yè)的主流標(biāo)準(zhǔn)。

審核編輯 黃宇