📚 课程目录第4章 3D Occupancy表示方法

4. 3D Occupancy表示方法

在3D Occupancy空间感知中，“表示方法”决定了场景被如何离散化、存储、查询与更新。同一份激光雷达或环视图像输入，采用不同表示后，内存占用、查询速度、边界精度和可微性都会显著不同。本节围绕五类主流表示展开：稠密体素、八叉树、隐式神经表示、TSDF以及概率占据模型，并给出选型与工程落地建议。

一、核心原理：从“空间离散”到“占据概率”

3D Occupancy的本质是回答空间中任意位置是否被物体占据。工程上通常把连续空间划分为可索引的单元，再为每个单元赋予状态或概率。不同表示方法的差异主要体现在三点：空间划分方式、存储结构、状态更新模型。

体素（Voxel）：将空间切成规则网格，每个体素记录占据、语义或特征。优点是结构规整、便于卷积与并行；缺点是分辨率提高时内存呈三次方增长。
八叉树（Octree）：对体素做层次化细分，空旷区域用大节点表示，细节区域继续分裂。优点是稀疏存储、多分辨率查询；缺点是树遍历与动态更新实现复杂。
隐式神经表示（INR）：用神经网络把坐标映射为占据值或密度，如NeRF式密度场、SDF网络。优点是连续、可微、内存与分辨率解耦；缺点是推理耗时、训练依赖强。
TSDF（Truncated Signed Distance Field）：每个体素存储到最近表面的截断符号距离，正值在表面外、负值在表面内，零等值面即重建表面。优点是融合平滑、适合建图与表面提取；缺点是对动态物体和远距离稀疏区域不友好。
概率占据模型：用概率描述体素被占据的可信度，典型为占据栅格与log-odds更新。优点是能处理传感器噪声与多次观测；缺点是概率饱和与动态更新需要调参。

二、方法流程：不同表示的更新与查询路径

以自动驾驶常见的建图与占据预测为例，五类表示在流程上可归纳为“离散化—观测投影—状态更新—查询输出”四步，但每一步的实现差异很大。

体素流程：确定分辨率与范围，将点云或深度投影到体素索引，更新占据/语义标签，最后用3D卷积或稀疏卷积输出。分辨率0.1m、范围100m×100m×20m时，体素数量约2×10⁸，必须使用稀疏化或哈希索引。
八叉树流程：从根节点递归细分，仅对含观测的节点分裂，查询时按需下钻。适合大范围室外场景，但动态物体频繁更新会导致树结构反复调整。
隐式神经表示流程：采集带位姿的图像或点云，训练网络拟合符号距离或密度，推理时对查询点批量前向。优点是任意分辨率，缺点是训练与推理成本高，实时性依赖网络压缩与缓存。
TSDF流程：沿相机射线采样，计算截断符号距离，按权重融合到体素；提取表面时用Marching Cubes。适合静态高精建图，动态物体需配合语义或概率剔除。
概率占据流程：用log-odds累加观测，命中增加、穿透减少，概率超过阈值判为占据。适合多帧融合与噪声抑制，但需处理概率饱和与动态物体残留。

# 概率占据 log-odds 更新示例
L_occ = 0.85      # 命中时的对数几率增量
L_free = -0.4     # 穿透时的对数几率增量
L_min, L_max = -2.0, 3.5

for each voxel v observed by ray:
    if ray hits v:
        v.log_odds = min(v.log_odds + L_occ, L_max)
    else:
        v.log_odds = max(v.log_odds + L_free, L_min)

v.prob = 1.0 / (1.0 + exp(-v.log_odds))
v.occupied = v.prob > 0.5

三、案例/场景：城市路口与地下车库的表示选型

在城市路口场景中，感知范围大、动态目标多，且需要输出语义占据。若采用稠密体素，0.2m分辨率下内存压力较大，通常改用稀疏体素+哈希索引或八叉树，并对动态区域提高分辨率。TSDF在该场景中容易因车辆移动产生“拖影”，需要结合概率占据或语义分割剔除动态体素。

在地下停车场场景中，结构重复、光照弱、静态元素多，适合用TSDF做高精表面重建，再叠加概率占据处理反光与稀疏观测。若需要连续查询与平滑表面，可引入隐式神经表示作为后处理，但需评估车载算力。

选型建议：实时感知优先稀疏体素或八叉树；高精建图优先TSDF；多帧融合与噪声抑制优先概率占据；离线高保真或研究场景可尝试隐式神经表示。

四、对比清单：五类表示的关键参数与适用性

表示方法	存储结构	内存特征	查询/更新	典型适用	主要局限
稠密体素	规则3D数组	O(N³)，分辨率敏感	索引快，更新简单	小范围、规则网格、3D卷积	大场景内存爆炸
八叉树	层次树节点	稀疏，按需分配	遍历较慢，动态更新复杂	大范围室外、多分辨率	实现复杂，指针开销
隐式神经表示	网络权重	与分辨率解耦	推理慢，可微	连续表面、离线重建	算力高，泛化依赖训练
TSDF	体素+距离权重	中等，需截断范围	融合平滑，表面提取好	静态高精建图	动态拖影，远距离稀疏
概率占据	体素+log-odds	中等，可稀疏化	多帧融合鲁棒	噪声抑制、动态剔除	概率饱和，参数敏感

五、误区与复盘

常见误区：把“体素分辨率”等同于“感知精度”。实际上，体素越小并不一定越好：内存、计算和噪声都会放大。另一个误区是认为TSDF可以直接替代概率占据。TSDF擅长表面几何，概率占据擅长观测可信度，二者常需组合使用。

误区一：所有场景都用稠密体素。复盘：先评估范围与分辨率，优先稀疏化或哈希索引。
误区二：忽略动态物体对TSDF的污染。复盘：引入语义掩码或概率权重，对动态区域降低融合权重。
误区三：隐式神经表示一定优于显式表示。复盘：其优势在连续性与内存解耦，但实时性与可解释性仍需权衡。
误区四：概率占据参数一次调好即可。复盘：不同传感器噪声模型不同，log-odds增量需按场景标定。

综上，3D Occupancy表示方法没有绝对最优，只有与场景、算力和精度目标最匹配的组合。工程中常见做法是：用稀疏体素或八叉树做实时占据预测，用TSDF做局部高精表面，用概率占据做多帧融合与动态剔除，并在离线或高算力平台探索隐式神经表示。理解五类表示的结构与更新机制，才能在系统设计中做出合理取舍。