OCC占用网络

自动驾驶技术正从“目标识别”转向“空间感知”，占用网络作为一种新兴算法，通过三维体素表示物理空间，极大提升了自动驾驶系统的泛化能力和安全性。它不仅解决了传统方法对异形物体和悬挂物的识别难题，还在规划与控制中实现了感知与决策的无缝对接，推动了端到端自动驾驶的发展。尽管面临数据标注和实时算力的挑战，占用网络有望在未来实现更细粒度和通用化的感知能力，助力自动驾驶技术的广泛普及。

特斯拉FSD V14通过高保真3D空间Occ占用算法实现了精确的车位到车位泊车功能。该算法利用摄像头捕获的2D图像数据，通过人工智能模型重建三维空间结构和障碍物细节，支持高保真渲染、辅助泊车等功能。

华为最新的论文《VisionPAD: A Vision-Centric Pre-training Paradigm for Autonomous Driving》，10位作者中有5位来自华为诺亚方舟实验室，其余基本都是香港中文大学，且这其中还有3个人是在华为诺亚方舟实验室实习，可以说有8个人来自华为诺亚方舟实验室。VisionPAD提出了一种比较新颖的预训练方法来提升OCC性能，将OCC性能关键指标mIoU推高到45%，达到业内第一，学术界一般研究超前课题，但华为依然研究BEV+OCC，显示出传统算法还有很强的生命力。

Occupancy Network并非特斯拉发明，最先提出Occupancy Network的是2018年的论文《Occupancy Networks: Learning 3D Reconstruction in Function Space》，主要作者是Tubingen大学和博世旗下软件公司ETAS。更早可以追溯至2012年的论文《Indoor Segmentation and Support Inference from RGBD Images》，主要作者是纽约大学。而最早可以追溯到1986年的论文《A computational approach to edge detection》。Occupancy Network源自语义分割，语义分割需要连续边界而不是传统的Bounding Box（一般会缩写为BBox），语义分割再加上2D或3D重建，就是Occupancy Network。不过让Occupancy Network扬名天下的是特斯拉。

大家有没有发现，这几个月所有主机厂、自动驾驶公司做技术宣传时，不约而同提到一个新名词：OCC，或者说占用网络。这是深度学习算法领域在自动驾驶的新应用，2023年10月，极越汽车首次在国内将OCC引入量产车。