2. Occupancy基础

在自动驾驶与机器人感知中，Occupancy（占据）描述的是三维空间里“哪里有东西、哪里是空的”。它不依赖具体物体类别，而是把环境离散化为可查询的空间单元，回答“该位置是否被占据”。理解占据栅格、体素、点云、深度图和语义占据这几个基础概念，是后续时序融合与场景补全的前提。

一、核心原理：从连续世界到离散占据

真实世界是连续的，传感器输出也是离散采样。占据表达的核心是把空间划分为规则或不规则的单元，再为每个单元赋予占据状态或概率。常见形式包括：

• 占据栅格（Occupancy Grid）：通常指二维栅格，每个格子记录被占据概率，常用于地面平面导航与避障。
• 体素（Voxel）：三维空间中的立方体单元，是三维占据栅格的基本单位。体素分辨率决定空间精度与计算量。
• 点云（Point Cloud）：由激光雷达或深度相机得到的离散三维点集合，是原始观测，不是占据表示本身。
• 深度图（Depth Map）：图像像素到相机的距离，可反投影为点云，再体素化得到占据。
• 语义占据（Semantic Occupancy）：在占据基础上为每个体素附加类别标签，如车辆、行人、道路、建筑等。

二、方法流程：从传感器到语义占据

典型处理链路可以概括为：传感器采集 → 深度/点云 → 坐标统一 → 体素化 → 占据概率估计 → 语义标注 → 时序融合。下面给出一个简化的体素化与占据统计示例：

输入: 点云 P = {p_i | p_i = (x_i, y_i, z_i)}
参数: 体素边长 v = 0.2 m, 范围 X[-40,40], Y[-40,40], Z[-3,5]
步骤:
1. 对每个点 p_i 计算体素索引:
   ix = floor((x_i - X_min) / v)
   iy = floor((y_i - Y_min) / v)
   iz = floor((z_i - Z_min) / v)
2. 统计每个体素内点数 n(ix,iy,iz)
3. 若 n > 0 则标记为占据, 否则为空闲或未知
4. 可选: 用射线投射区分“被遮挡的未知”与“真正空闲”
输出: 占据体素集合 O = {(ix,iy,iz) | n > 0}

深度图转点云时，常用针孔模型：给定像素 (u,v) 和深度 d，可计算相机坐标系下的三维点。多传感器融合时，还需通过外参把点云统一到自车坐标系或世界坐标系。

三、案例/场景：城市路口中的语义占据

假设自车经过一个城市路口，激光雷达和环视相机同时工作。激光点云给出精确几何，但远处稀疏；相机深度图稠密，但深度噪声较大。将两者体素化后，可以得到一个局部三维占据场：

• 地面附近体素被标记为“道路”或“可行驶区域”。
• 车辆轮廓体素被标记为“车辆”，行人区域标记为“行人”。
• 建筑物和树木标记为“静态障碍物”。
• 被遮挡区域保持“未知”，不强行填充，避免误判。

此时语义占据不仅告诉规划模块“前方有障碍”，还告诉它“障碍是车还是人”，对行为预测和决策更有价值。

四、常见术语与对比清单

五、误区与复盘

复盘时建议检查三点：体素分辨率是否与传感器有效距离匹配；是否区分了占据、空闲和未知；语义标签是否与几何占据一致。只有这些基础概念清晰，后续的时序融合与场景补全才有稳定的输入表示。