3. Occupancy Flow核心概念

Occupancy Flow（占用流）是动态占用预测中的核心表示方法。它把三维空间离散为体素，并在每个体素上同时描述“是否被占用”以及“占用体素在下一时刻将向何处运动”。如果说普通占用栅格回答的是“哪里有物体”，那么占用流进一步回答“这些物体正以多快的速度、朝哪个方向移动”。本节围绕占用流场的定义、时空体素表示、速度矢量与流场建模、静态与动态占用分离，以及它与光流、场景流的区别联系展开。

一、占用流场的定义

占用流场可以理解为一个定义在三维空间上的矢量场：对任意空间位置 (x, y, z) 和时间 t，它给出该处的占用状态 o 与运动速度 v = (vx, vy, vz)。形式化地，可写作：

F(x, y, z, t) = { o(x,y,z,t), v(x,y,z,t) }
o ∈ {0, 1} 或 [0,1] 占用概率
v = (vx, vy, vz) 单位 m/s

其中 o 表示该体素被占据的可能性，v 表示该体素内物体在单位时间内的位移趋势。与只输出静态栅格的 Occupancy Grid 相比，占用流多了一个“运动维度”，因此能够表达行人横穿、车辆变道、自行车斜向穿行等连续运动。需要强调的是，占用流描述的是“空间位置上的运动”，而不是“某个具体目标 ID 的运动”，这使它天然适合处理遮挡、新出现目标和密集场景。

二、时空体素表示

占用流通常建立在时空体素（Spatio-Temporal Voxel）之上。空间被划分为规则网格，例如 0.2m × 0.2m × 0.2m 的体素；时间被划分为固定步长，例如 0.5s 一帧。每个体素在时间轴上形成一条“体素柱”，记录该位置随时间的占用变化与速度变化。

这种表示有三个关键参数：体素分辨率、时间步长和感知范围。分辨率越细，小目标（如锥桶、宠物）越容易被保留，但显存和计算量上升；时间步长越短，运动估计越平滑，但需要更高帧率的输入。工程上常见配置如下：

参数	典型取值	影响
空间分辨率	0.1 ~ 0.4 m	越细越能保留小目标，计算量越大
时间步长	0.2 ~ 0.5 s	越短运动越平滑，依赖高帧率输入
感知范围	前后 50 ~ 100 m	决定预测可用空间与远距离精度
高度范围	-2 ~ 4 m	覆盖地面、车辆与行人高度

时空体素的价值在于把“过去—现在—未来”统一到同一张三维网格中。模型可以在时间维度上做卷积或注意力，从而学习“某个体素过去如何被占用、现在速度如何、未来可能流向哪里”。

三、速度矢量与流场建模

速度矢量是占用流的灵魂。对每个被占用的体素，模型需要估计其速度 (vx, vy, vz)。常见建模方式有三类：

• 逐体素回归：网络直接对每个体素输出三维速度，简单直接，但容易在物体边界产生模糊。
• 流场匹配：假设相邻两帧的占用体素之间存在对应关系，通过匹配或可变形卷积估计位移，再除以时间得到速度。
• 概率流场：输出速度分布而非单一值，用多模态表达处理行人可能左转或右转的不确定性。

在训练中，速度监督通常来自连续两帧的占用真值：若某体素在 t 时刻被占用，在 t+Δt 时刻移动到邻近体素，则位移除以 Δt 即为速度标签。对于遮挡区域，可采用一致性损失或自监督光度损失进行补全。

四、静态与动态占用分离

占用流场中，静态占用与动态占用必须显式分离。静态占用包括路面、护栏、建筑、停放车辆等，其速度接近零；动态占用包括行驶车辆、行人、骑行者等，其速度显著非零。分离的意义在于：

1. 避免静态结构被错误预测为运动，减少“幽灵流动”。
2. 让动态体素获得更集中的速度监督，提高运动估计精度。
3. 为下游规划提供更清晰的“可通行区域”与“动态障碍物”划分。

常见做法是引入一个静态/动态分类头，或利用时序一致性自动区分：若某体素在长时间窗口内占用状态稳定，则判为静态；若占用位置持续迁移，则判为动态。也可以结合语义分割结果，把道路、建筑等类别强制归入静态分支。

五、与光流、场景流的区别联系

光流描述的是图像像素在二维平面上的运动，场景流描述的是三维点云或深度图中每个点的三维运动。占用流与它们既有联系又有本质区别：

概念	定义域	输出	主要用途
光流	2D 图像像素	像素位移 (u, v)	图像对齐、运动分割
场景流	3D 点云/深度点	三维位移 (dx, dy, dz)	点云配准、目标跟踪
占用流	3D 体素网格	占用概率 + 速度矢量	动态占用预测、规划避障

三者的联系在于都描述运动，且可以互相转换：光流结合深度可反投影为场景流，场景流经过体素化与聚合可得到占用流。区别在于，光流和场景流通常只对“已观测到的点”给出运动，而占用流在体素空间上定义，能够对遮挡区域、未观测区域进行预测和补全。这正是占用流在自动驾驶占用预测中不可替代的原因。

六、案例：路口右转场景

假设自车在路口准备右转，右侧人行道上有行人正在横穿，前方有车辆直行。普通占用栅格只能给出“右侧有占用、前方有占用”，而占用流场会进一步给出：行人体素的速度矢量指向自车前方，车辆体素的速度矢量沿道路方向。规划模块据此可以判断：行人将在 1.5 秒后进入自车路径，需要减速让行；前方车辆速度稳定，可保持跟车。若没有速度矢量，规划只能依赖保守的“有占用就停”，通行效率会显著下降。