[首發于智駕最前沿微信公眾號]在自動駕駛中，如何讓車輛“看見”并“理解”周遭環境始終是核心難題。早期的感知方案大多依賴于目標檢測，也就是給攝像頭捕捉到的畫面里的汽車、行人或自行車畫上一個個方框。這種方式雖然直觀，但在面對現實世界中千奇百怪的物體時，就會顯得力不從心。為了解決這一問題，占據感知網絡（Occupancy Network，簡稱OCC）技術逐漸成為行業主流。

為什么傳統的畫框方式不夠用了

在過去很長一段時間里，自動駕駛系統主要識別的是預先定義好的物體。研發人員會告訴人工智能，長成什么樣的叫車，什么樣的叫人。只要系統在畫面中找到了符合特征的物體，就會用一個三維的長方體框把它們標出來。這種基于目標的識別方式在標準化的城市道路上表現不錯，可一旦遇到“意料之外”的狀況，問題就接踵而至。

圖片源自：網絡

舉個例子，路上突然掉落了一個形狀奇特的紙箱，或者出現了一棵倒下的樹，甚至一輛貨車翻倒。由于這些物體的形狀并不在系統預設的類別里，感知網絡很可能無法給它們畫上框，從而認為前方是平坦的道路。這種識別邏輯的缺失會導致非常嚴重的安全事故。占據感知網絡的出現，本質上是將感知思路從尋找特定物體轉變為判斷空間是否被占用。它不再關心前方到底是車還是樹，而是會確認那塊空間是不是實心的。

空間是如何被數字化切分的

要理解占據感知網絡的工作原理，可以先想象把車輛周圍的三維空間切成無數個微小的正方體。這些小方塊在技術上被稱為“體素”。如果把傳統的照片比作二維的像素點陣，那么體素就是三維版的像素。占據感知網絡的核心任務，就是判斷每一個微小的體素方塊里到底是有物體存在，還是空無一物的透明空氣。

圖片源自：網絡

在實際運作中，車輛搭載的多個攝像頭會從不同角度拍攝周圍的畫面。占據感知網絡會將這些來自不同位置的二維圖像信息提取出來，通過數學轉化，映射到預先設定好的三維網格空間里。這個過程就像是在進行連線游戲，系統需要根據圖像中像素的特征，推算出它們在三維世界中對應的是哪一個格點。

當這些信息匯總到三維網格后，神經網絡會通過深度學習模型對每個格子的狀態進行預測。它會給每個格子分配一個概率值，用來描述這個地方被占據的可能性。如果概率值很高，系統就會認為這里存在障礙物。這種處理方式不需要提前學習每一種障礙物的長相，只要某個空間反射回來的視覺特征顯示那里有東西，它就會被標記為“占據”狀態，從而提醒車輛避讓。

攝像頭畫面如何變成三維模型

由于目前主流的占據感知方案大多基于視覺相機，如何從扁平的圖片中還原出準確的深度信息就變得至關重要。系統會利用特征提取網絡，把攝像頭拍到的每一幀畫面轉化為高維的特征數據。這些數據不僅包含了顏色和紋理，還隱含了物體之間的空間關系。隨后，系統會利用特殊的變換模塊，將這些分布在不同視角下的特征融合在一起，形成一個以車輛為中心的統一空間視角。

圖片源自：網絡

在這個統一的特征空間里，網絡會進一步細化對空間的理解。除了判斷格子是否被占據，有些的占據感知網絡還能識別出格子的屬性。例如，它能分辨出這一團被占據的空間是屬于靜止的馬路牙子，還是屬于正在移動的車輛。

這種語義上的細分，能幫助自動駕駛系統做出更合理的決策。比如面對路邊的綠化帶，車輛可以選擇貼近行駛，而面對同樣高度的石墩子，則必須保持更遠的安全距離。

這種感知方式的另一個優勢在于它對物體遮擋的魯棒性。在復雜的交通流中，前方的車輛經常會遮住更遠處的路面。占據感知網絡具備一定的空間推理能力，它能根據已有的視覺線索，對被遮擋區域的占據情況做出合理的估算。這種腦補能力讓自動駕駛車輛在處理十字路口或擁擠路段時，表現得更像一個經驗豐富的人類駕駛員。

面對異形物體時有什么優勢

占據感知網絡最大的殺手锏在于它解決通用障礙物問題的能力。在真實的道路上，會出現垃圾桶、施工圍欄、甚至是被風刮起的塑料袋，它們的形態千變萬化。傳統的識別算法很難窮盡所有的可能性，而占據感知網絡通過體素化的方式，將物理世界完整地建模了出來。無論障礙物長得多么奇怪，只要它占據了空間，就會在三維網格中顯現出來。

圖片源自：網絡

這種從底層邏輯上的改變，極大地提升了自動駕駛的安全性上限。它不再依賴于見過才認識，而是基于存在即感知的邏輯。當車輛行駛在路面上時，占據感知網絡就像在實時構建一個數字孿生的三維世界，將所有的物理實體都以概率的形式填充在格子里。這種對環境的精細刻畫，不僅為避障提供了依據，也為后續的路徑規劃提供了更加可靠的底圖。

最后的話

占據感知網絡讓自動駕駛系統從單純的圖像識別進化到了空間感知。它通過對三維空間的體素化重構，打破了傳統檢測框架的束縛，使得車輛能夠更從容地應對復雜多變的交通環境。隨著算力的提升和算法的優化，這種技術正在讓自動駕駛變得更加安全和智能。