Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks
University of Cambridge（剑桥大学）
自动驾驶汽车通常依赖于其环境的高度详细的鸟瞰图，这些地图既可以捕捉场景的静态元素，如道路布局，也可以捕捉其他汽车和行人等动态元素。动态生成这些地图表示是一个复杂的多阶段过程，其中包含许多重要的基于视觉的元素，包括地平面估计，道路分割和3D目标检测。在这项工作中，我们提出了一个简单的，统一的方法来估计地图直接从单目图像使用一个单一的端到端的深度学习架构。对于地图本身，我们采用了语义贝叶斯占用网格框架，使我们能够在多个相机和时间步长上简单地积累信息。我们通过对NuScenes和Argoverse数据集上的几个具有挑战性的基线进行评估来证明我们方法的有效性，并表明与现有的最佳方法相比，我们能够分别实现9.1%和22.3%的相对改进。
2020-03-30 cs.CV
Monocular Semantic Occupancy Grid Mapping with Convolutional Variational Encoder-Decoder Networks
Eindhoven University of Technology（埃因霍温理工大学）
在这项工作中，我们研究和评估端到端的学习单目语义度量占用网格映射从弱双目地面真理。该网络学习预测四个类别，以及相机到鸟瞰图的映射。在核心，它利用了一个变分编码器-解码器网络，该网络对驾驶场景的前视视觉信息进行编码，随后将其解码为2-D俯视笛卡尔坐标系。对Cityscapes的评估表明，语义度量占用网格的端到端学习优于平面假设的确定性映射方法，平均IoU超过12%。此外，我们表明，变分采样与一个相对较小的嵌入向量带来了对车辆动态扰动的鲁棒性，和不可见的KITTI数据的推广。我们的网络实现了约实时推理率。对于分辨率为256 x512像素的输入图像和使用Titan V GPU的具有64 x64占用网格单元的输出地图，使用35 Hz。
2018-12-31 cs.CV cs.RO
Integrating Specialized and Generic Agent Motion Prediction with Dynamic Occupancy Grid Maps
本文提出融合专用与通用智能体运动预测的动态占用网格地图框架，通过定制损失函数实现稳健的运动预测，提升复杂场景中动态实体的预测性能。
2026-02-08 cs.CV cs.RO
Beyond the Frontier: Predicting Unseen Walls from Occupancy Grids by Learning from Floor Plans
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出将不可见墙体预测建模为自回归序列预测任务，利用注意力深度网络从占用栅格中预测二维线段，并在预测信息增益上显著超越非预测估计和卷积图像预测方法，且通过真实办公环境验证了泛化性。
2024-06-13 cs.CV cs.RO
Towards an Error-free Deep Occupancy Detector for Smart Camera Parking System
Seoul National University（首尔国立大学）
虽然智能摄像头停车系统的概念已经存在了几十年，但一些方法已经完全解决了系统的可扩展性和可靠性。由于智能停车系统的基石是检测占用的能力，传统方法使用分类骨干从手动标记的网格中预测停车点。这是耗时的，并且失去了系统的可扩展性。此外，大多数方法都使用深度学习模型，这使得它们在规模上不是无错误的，也不是可靠的。因此，我们提出了一个端到端的智能摄像头停车系统，我们提供了一个自主检测占用的对象检测器称为OcpDet。我们的检测器还提供了来自对比模块的有意义的信息：训练和空间知识，这避免了推理过程中的错误检测。我们在现有的PKLot数据集上对OcpDet进行了基准测试，并与传统的分类解决方案相比达到了有竞争力的结果。我们还引入了一个额外的SNU-SPS数据集，在其中我们从各种角度估计系统性能，并在停车分配任务中进行系统评估。从我们的数据集的结果表明，我们的系统是有前途的现实世界的应用。
2022-10-25 cs.CV cs.LG
ViewFormer: Exploring Spatiotemporal Modeling for Multi-View 3D Occupancy Perception via View-Guided Transformers
Uisee Foundation Research & Development（驭势科技基金会研发部）；University of Science and Technology of China（中国科学技术大学）
针对多视角3D占据感知中现有注意力机制特征聚合受限的问题，提出视角引导的ViewFormer框架及FlowOcc3D基准，在多类3D任务中性能超越现有最优水平。
2024-07-12 cs.CV
Extracting Semantic Indoor Maps from Occupancy Grids
Technische Universität München（慕尼黑工业大学）；Siemens AG（西门子股份公司）
在现实的、不受约束的场景中运行的任何自主系统的主要挑战是管理现实世界的复杂性和不确定性。虽然目前还不清楚人类和其他高等动物是如何掌握这些问题的，但很明显，抽象起着重要作用。抽象概念的使用允许在更高级别上定义系统行为。在本文中，我们专注于室内环境的语义映射。我们提出了一种方法来提取一个抽象的平面图从典型的网格地图使用贝叶斯推理。这个过程的结果是在抽象概念上定义的环境的概率生成模型。它非常适合更高层次的推理和通信目的。我们使用真实世界的数据证明了该方法的有效性。
2020-02-19 cs.CV cs.RO
Abnormal Occupancy Grid Map Recognition using Attention Network
Wuyi University（五邑大学）；The Chinese University of Hong Kong（香港中文大学）；irobotix Co.,Ltd（3irobotix有限公司）；Macau University of Science and Technology（澳门科技大学）
在移动机器人系统中，占有栅格地图是自主定位和导航的重要组成部分，许多其他系统的性能都依赖于占有栅格地图，为了保证占有栅格地图的质量，研究人员必须长时间进行繁琐的人工识别。本论文的工作主要是利用残差神经网络和一个新的注意力机制模块来自动识别异常占用栅格地图。我们提出了一个有效的通道和空间残差SE（csRSE）注意模块，它包含一个残差块，用于产生分层功能，其次是通道SE（cSE）块和空间SE（sSE）块，用于沿着通道和空间路径进行充分的信息抽取。为了进一步总结占用网格图的特征并使用我们的csRSE注意力模块进行实验，我们构建了一个名为占用网格图数据集（OGMD）的数据集用于我们的实验。在这个OGMD测试数据集上，我们测试了我们提出的结构的几个变体，并将它们与其他注意力机制进行了比较。我们的实验结果表明，建议的注意力网络可以推断出异常地图与国家的最先进的（SOTA）的准确率为96.23%的异常占用网格地图识别。
2021-10-18 cs.CV
Grid-Centric Traffic Scenario Perception for Autonomous Driving: A Comprehensive Review
School of Vehicle and Mobility, Tsinghua University（清华大学车辆与 mobility学院）；Kargobot Inc.（卡戈机器人公司）；DiDi Chuxing（滴滴出行）
本文系统综述了自动驾驶中网格中心感知技术，梳理了从2D BEV网格、3D占用到4D占用预测的发展脉络，并总结了标签高效学习、系统集成及未来趋势。
2024-06-09 cs.CV cs.RO
Allo-centric Occupancy Grid Prediction for Urban Traffic Scene Using Video Prediction Networks
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）
动态环境预测对自主车辆的安全导航至关重要。由于各种动态代理（如车辆和弱势道路使用者）之间的复杂交互，城市交通场景的预测特别具有挑战性。先前的方法已经使用自我中心的占用网格地图来表示和预测动态环境。然而，这些预测遭受模糊，场景结构的损失，并在较长的预测范围内消失的代理。在这项工作中，我们提出了一个新的框架，使长期的预测，代表交通场景在一个固定的框架，称为allo为中心的占用网格。这允许静态场景保持固定，并像其他代理一样在网格上表示自我车辆的运动。我们研究了不同视频预测网络的异中心网格预测，并在真实世界的Nuscenes数据集上验证了该方法。结果表明，与传统的以自我为中心的网格方法相比，以自我为中心的网格表示显着提高了场景预测。
2023-01-11 cs.AI cs.CV cs.RO
3D Object Segmentation for Shelf Bin Picking by Humanoid with Deep Learning and Occupancy Voxel Grid Map
The University of Tokyo（东京大学）
在货架等狭窄空间中拾取物体是仿人机器人从环境中提取目标物体的重要任务。然而，在这些情况下，在相机和对象之间存在许多遮挡，并且由于缺乏三维传感器输入，这使得难以三维地分割目标对象。我们解决这个问题，积累分割结果与多个摄像机角度，并生成体素模型的目标对象。我们的方法包括两个部分：第一是用卷积网络对输入图像进行对象概率预测，第二是生成用于对象分割的体素网格图。我们评估的方法与挑选任务实验的目标对象在狭窄的货架箱。我们的方法生成密集的3D对象段，即使有遮挡，和真正的机器人成功地挑选目标对象从狭窄的空间。
2020-01-16 cs.CV cs.RO
Learning Topometric Semantic Maps from Occupancy Grids
今天的移动机器人预计将在与人类共享的复杂环境中运行。为了实现直观的人机协作，机器人需要在语义分类实例方面对其周围环境有类似人类的理解。在本文中，我们提出了一种新的方法，纯粹从占用网格派生这种基于实例的语义地图。我们采用深度学习技术的组合来从随机大小的地图中检测、分割和提取门假设。提取之后是一个后处理链，以进一步提高我们的方法的准确性，以及三个类房间，门和走廊的位置分类。所有检测到的和分类的实体被描述为在一个共同的坐标系中指定的实例，而拓扑图是派生来捕捉它们的空间链接。为了训练我们的两个神经网络用于检测和地图分割，我们贡献了一个模拟器，自动创建和注释所需的训练数据。我们进一步提供洞察哪些功能学习检测门口，以及如何模拟训练数据可以被增强到训练网络上的直接应用程序在现实世界的网格地图。我们评估我们的方法在几个公开的真实世界的数据集。尽管所使用的网络仅在模拟数据上进行训练，但我们的方法在各种真实室内环境中表现出高度的鲁棒性和有效性。
2020-01-10 cs.CV cs.RO
Deep Radar Inverse Sensor Models for Dynamic Occupancy Grid Maps
Continental Autonomous Mobility Germany GmbH（大陆德国自动驾驶移动公司）
针对自动驾驶中雷达检测稀疏且有噪声的问题，本文提出一种基于深度学习的逆传感器模型，在极坐标下从有限视场雷达学习单帧测量栅格，并结合多普勒速度生成动态栅格地图，在真实高速场景中优于传统几何方法且不依赖雷达安装方式。
2024-10-18 cs.AI cs.CV cs.RO
Flow-guided Motion Prediction with Semantics and Dynamic Occupancy Grid Maps
Univ. Grenoble Alpes（格勒诺布尔大学）；Inria（法国国家信息与自动化研究所）
提出一种利用动态占用栅格地图和语义信息预测未来场景流与车辆语义栅格的多任务框架，在NuScenes数据集上验证了其提升预测及保留动态车辆的能力。
2024-07-22 cs.AI cs.CV cs.RO
LOPR: Latent Occupancy PRediction using Generative Models
针对自动驾驶环境预测中确定性占用栅格预测不真实的问题，提出LOPR框架，利用生成模型在潜在空间进行随机预测，并在多个真实数据集上达到最先进性能。
2025-10-17 cs.CV cs.RO
Long-Term Occupancy Grid Prediction Using Recurrent Neural Networks
Institute of Measurement, Control, and Microtechnology, Ulm University（乌尔姆大学测量、控制与微技术研究所）
我们解决了基于激光雷达网格融合和循环神经网络（RNN）的自动驾驶复杂市中心场景中场景演变的长期预测。场景的鸟瞰图，包括占用率和速度，作为一个序列被馈送到RNN，RNN被训练来预测未来的占用率。预测的性质允许生成多个小时的训练数据，而不需要手动标记。因此，训练策略和损失函数是为长序列的真实世界数据（不平衡、连续变化的情况、错误标签等）设计的。深度CNN架构包括卷积长短期记忆（ConvLSTM），以将静态区域与动态区域分离并预测未来帧中的动态对象。新的经常性跳跃连接显示出预测小的被遮挡物体，即行人和被遮挡的静态区域的能力。利用网格单元之间的时空相关性来预测多模态未来路径和对象之间的交互。实验还量化了我们以前的网络，蒙特卡罗方法和文献的改进。
2019-06-07 cs.CV
Multi-Step Prediction of Occupancy Grid Maps with Recurrent Neural Networks
Huawei Noah’s Ark（华为诺亚方舟实验室）
我们研究了自动驾驶汽车的可驾驶空间的多步预测，以占用网格地图（OGM）为代表。我们的动机是，准确的可驾驶空间的多步预测可以有效地改善路径规划和导航，从而在自动驾驶中实现安全，舒适和最佳的路径。我们训练各种递归神经网络（RNN）的基础架构上的OGM序列从KITTI数据集。结果表明，使用我们提出的差异学习方法，结合运动相关的功能，在最先进的预测精度显着提高。我们删除了egomotion从OGM序列转换成一个共同的帧。虽然在变换后的序列中，KITTI数据集严重偏向于静态对象，但通过学习后续OGM之间的差异，我们提出的方法可以对静态和移动对象进行准确的预测。
2019-01-22 cs.CV cs.LG cs.RO
Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning
University of Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；Univ Lyon（里昂大学）；INSA Lyon（里昂国立应用科学学院）
可靠地预测高度动态的城市环境的未来占用率是安全自主导航的重要前提。预测中常见的挑战包括预测其他车辆的相对位置，对不同交通条件下的车辆动力学进行建模，以及消除周围的物体。为了应对这些挑战，我们提出了一个时空预测网络管道，它分别从环境和语义标签中获取过去的信息，以生成未来的占用预测。与当前的SOTA相比，我们的方法预测占用时间为3秒，并且来自nuScenes数据集的环境相对复杂。我们的实验结果表明，时空网络的能力，了解场景动态，而不需要高清地图和明确的建模动态对象。我们公开发布基于nuScenes的占用网格数据集，以支持进一步的研究。
2022-05-06 cs.AI cs.CV
Vehicle Motion Forecasting using Prior Information and Semantic-assisted Occupancy Grid Maps
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；Univ Lyon（里昂大学）；INSA Lyon（里昂国立应用科学学院）
本文提出一种结合深度学习时空建模与概率方法、并融合语义标签和地图信息的动态占据栅格地图框架，在NuScenes数据集上验证了其对静态和动态车辆预测优于传统OGM方法。
2023-08-08 cs.AI cs.CV cs.RO
Plug-and-Play Acceleration of Occupancy Grid-based NeRF Rendering using VDB Grid and Hierarchical Ray Traversal
NTT Communications（NTT通信公司）
针对 OG 稠密二进制网格在 NeRF 光线追踪中的冗余问题，提出用 VDB 网格和 HDDA 实现免微调的即插即用加速，并在两个数据集上取得无损渲染的 12% 与 4% 平均提速。
2024-04-16 cs.CV
AutoOcc: Automatic Open-Ended Semantic Occupancy Annotation via Vision-Language Guided Gaussian Splatting
Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院）；Chongqing Changan Automobile Co., Ltd（重庆长安汽车有限公司）；University of California, Merced（加州大学默塞德分校）
AutoOcc提出一种基于视觉-语言模型引导的高斯泼溅的自动化流水线，用于开放式语义占据标注，无需人工标签，在静态和动态场景中均表现稳健。
2025-08-02 cs.CV
LeC$^2$O-NeRF: Learning Continuous and Compact Large-Scale Occupancy for Urban Scenes
The Hong Kong University of Science and Technology (HKUST)（香港科技大学）
针对大规模城市场景NeRF中网格占用方法受限的问题，提出连续紧凑的大规模占用网络，通过不平衡占用损失、不平衡架构和显式密度损失进行自监督端到端训练，在不牺牲精度的前提下加速了最先进NeRF方法的训练。
2024-11-18 cs.CV cs.GR
Driving among Flatmobiles: Bird-Eye-View occupancy grids from a monocular camera for holistic trajectory planning
Renault S.A.S（雷诺股份有限公司）；Sorbonne universités, Université de technologie de Compiègne, CNRS, Heudiasyc（索邦大学，贡比涅技术大学，法国国家科学研究中心，Heudiasyc实验室）；Monash University（莫纳什大学）
基于摄像头的端到端驾驶神经网络带来了将摄像头图像映射到驾驶控制命令的低成本系统的希望。这些网络之所以吸引人，是因为它们取代了费力的手工构建模块，但它们的黑匣子性质使它们在失败的情况下难以深入研究。最近的工作已经表明了使用显式中间表示的重要性，它具有增加网络决策的可解释性和准确性的好处。尽管如此，这些基于相机的网络在相机视图中推理，其中尺度不是均匀的，因此不直接适合于运动预测。在本文中，我们介绍了一种新的单目摄像机的整体端到端的轨迹规划网络与鸟瞰图（BEV）的中间表示，在二进制占领网格地图（OGM）的形式。为了简化从摄像机图像预测BEV中的OGM，我们引入了一种新的方案，其中首先将OGM预测为摄像机视图中的语义掩模，然后使用两个平面之间的单应性在BEV中变形。允许这种变换应用于3D对象（如车辆）的关键要素在于仅预测它们在相机视图中的足迹，因此尊重单应性所暗示的平坦世界假设。
2020-08-10 cs.AI cs.CV cs.RO
Offline Object Extraction from Dynamic Occupancy Grid Map Sequences
Ulm University（乌尔姆大学）
动态占用网格地图（DOGMa）允许自动车辆的快速、鲁棒和完整的环境表示。动态对象在DOGMa，然而，通常表示为独立的细胞，而建模对象的形状和姿态是有利的。对象提取算法的评估或学习算法的训练和验证依赖于标记的地面实况数据。在DOGMa中手动注释对象以获得地面实况数据是一个耗时且昂贵的过程。另外，标记数据的质量强烈地依赖于滤波后的输入数据的变化。所提出的工作介绍了一个自动标记过程，其中一个完整的序列是用来提取最好的可能的对象姿态和形状的时间一致性。执行双向时间搜索以在序列上跟踪单个对象，其中在每个时间步中对其范围和姿态的最佳估计进行细化。此外，该算法只使用细胞簇的统计约束的对象提取，而不是固定的启发式参数。实验结果表明，即使在具有挑战性的情况下，与真实的传感器数据，表现良好的自动标记算法。
2018-04-11 cs.CV
CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations
Ford Motor Company（福特汽车公司）；University of Michigan（密歇根大学）；Carnegie Mellon University（卡内基梅隆大学）
提出CLONeR方法，通过解耦占用与颜色学习为独立MLP并构建可微3D占用网格图，改进了NeRF在稀疏视角大型室外驾驶场景下的新视角合成与稠密深度预测性能。
2023-04-04 cs.CV
Mapping LiDAR and Camera Measurements in a Dual Top-View Grid Representation Tailored for Automated Vehicles
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；FZI Research Center for Information Technology（FZI信息技术研究中心）
我们提出了一个通用的证据网格映射管道设计的成像传感器，如激光雷达和相机。我们的基于网格的证据模型包含语义估计细胞占用率和地面分别。我们针对由点集表示的输入数据指定估计步骤，但是主要关注由诸如视差图或LiDAR距离图像的图像表示的输入数据。而不是依赖于一个外部地面分割，我们推断占用证据通过分析周围的测量表面方向。我们进行实验，并评估所提出的方法，使用激光雷达和立体摄像机的数据记录在真实的交通场景。我们的方法估计细胞占用鲁棒性和高层次的细节，同时最大限度地提高效率和最大限度地减少对外部处理模块的依赖。
2022-04-21 cs.CV
AdaOcc: Adaptive-Resolution Occupancy Prediction
New York University（纽约大学）；BOSCH Research North America（博世北美研究院）
提出自适应分辨率多模态预测方法AdaOcc，将对象中心3D重建与整体占用预测集成，仅在感兴趣区域进行高精度点云重建，在nuScenes上显著提升近距离场景的IOU和Hausdorff距离指标。
2024-08-24 cs.CV
End-to-End Trajectory Distribution Prediction Based on Occupancy Grid Maps
The University of Hong Kong（香港大学）；Fuzhou University（福州大学）
在本文中，我们的目标是预测未来的轨迹分布的移动代理在现实世界中，给定的社会场景图像和历史轨迹。然而，这是一项具有挑战性的任务，因为地面真实分布是未知的和不可观察的，而只有一个样本可以用于监督模型学习，这很容易产生偏差。最近的工作集中在预测不同的轨迹，以涵盖所有模式的真实分布，但他们可能会轻视的精度，从而给予太多的信贷不切实际的预测。为了解决这个问题，我们使用占用网格图来学习具有对称交叉熵的分布，作为对地面真实分布的显式和场景兼容的近似，这可以有效地惩罚不太可能的预测。具体而言，我们提出了一个基于逆强化学习的多模态轨迹分布预测框架，该框架通过近似值迭代网络以端到端的方式学习规划。此外，基于预测的分布，我们产生了一个小的代表性的轨迹通过可微的transformer为基础的网络，其注意力机制有助于模型的轨迹之间的关系。在实验中，我们的方法在斯坦福无人机数据集和交叉无人机数据集上实现了最先进的性能。
2022-03-31 cs.CV
Self-supervised Multi-future Occupancy Forecasting for Autonomous Driving
Stanford University（斯坦福大学）；University of California, Riverside（加州大学河滨分校）
针对自动驾驶环境预测中确定性方法无法捕捉随机性的问题，提出LOPR框架，在生成架构潜在空间进行随机占用预测，并融合多模态条件，在nuScenes和Waymo Open数据集上优于先前方法。
2025-10-17 cs.CV cs.RO
Research on Reliable and Safe Occupancy Grid Prediction in Underground Parking Lots
Wuhan University of Science and Technology（武汉科技大学）
本文针对地下停车场室内自动驾驶安全问题，基于 CARLA 构建仿真数据并采用占据栅格网络预测车辆路径与障碍物，验证了其对感知、可靠性和泊车安全性的提升。
2024-07-02 cs.AI cs.CV cs.RO
OctreeOcc: Efficient and Multi-Granularity Occupancy Prediction Using Octree Queries
ShanghaiTech University（上海科技大学）；The Chinese University of Hong Kong（香港中文大学）；Shanghai AI Laboratory（上海人工智能实验室）
OctreeOcc提出基于八叉树查询的多粒度占用预测框架，融合图像语义并迭代校正结构，在超越现有方法的同时降低15%-24%计算开销。
2024-03-19 cs.CV
LEGO-Motion: Learning-Enhanced Grids with Occupancy Instance Modeling for Class-Agnostic Motion Prediction
School of Vehicle and Mobility, Tsinghua University（清华大学车辆与出行学院）；AI2Robotics（AI2机器人公司）；AD Division of NIO Inc.（蔚来汽车自动驾驶事业部）
本文提出LEGO-Motion框架，将实例特征融入BEV占用表示，通过交互增强实例编码器和实例增强BEV编码器提升类别无关运动预测的物理一致性与交互建模能力，并在nuScenes和FMCW LiDAR基准上取得领先性能。
2025-03-10 cs.CV
Automatic Vision-Based Parking Slot Detection and Occupancy Classification
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek（奥西耶克电气工程、计算机科学与信息技术学院）
针对视觉停车系统需手动标注车位且易受视角变化影响的问题，提出APSD-OC，通过车辆检测、鸟瞰聚类和ResNet34分类实现自动车位检测与占用判断，并在PKLot和CNRPark+EXT上验证了鲁棒性与高准确率。
2023-08-16 cs.CV
OHM: GPU Based Occupancy Map Generation
CSIRO（联邦科学与工业研究组织）；Emesent（Emesent公司）；QUT（昆士兰科技大学）
占据网格地图（OGM）是大多数自主机器人导航系统的基础。然而，基于CPU的实现难以跟上现代3D激光雷达传感器的数据率，并且为维持更丰富体素表示的现代扩展提供的容量很小。本文介绍了OHM，我们的开源，基于GPU的OGM框架。我们展示了如何将算法映射到GPU资源，解决竞争的困难，以获得一个成功的实现。该实现支持许多现代OGM算法，包括NDT-OM，NDT-TM，衰减率和TSDF。一个彻底的性能评估的基础上跟踪和四足UGV平台和无人机，并从室外和地下环境的数据集。结果表明，出色的性能改进离线，并在嵌入式平台上的在线处理。最后，我们描述了OHM如何成为UGV导航解决方案的关键推动者，帮助我们参加DARPA地下挑战赛，该挑战赛在决赛中名列第二。
2022-04-26 cs.CV cs.RO
Occupancy-Based Dual Contouring
KAIST（韩国科学技术院）
提出基于占用的双重轮廓化方法（ODC），无需学习且充分利用GPU并行化，通过修改1D、2D和3D点计算避免使用距离信息，在几秒内将占用函数转换为高保真3D网格。
2024-09-20 cs.CV cs.GR cs.LG
Deep Height Decoupling for Precise Vision-based 3D Occupancy Prediction
School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）；College of Computer Science, Nankai University（南开大学计算机学院）；Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院）
提出深度高度解耦框架DHD，通过显式高度先验和掩码引导高度采样滤除混淆特征，在Occ3D-nuScenes基准上以最少输入帧实现最先进的3D占用预测性能。
2025-03-04 cs.CV
OccLE: Label-Efficient 3D Semantic Occupancy Prediction
NTU, S-Lab（国立科技大学，S-Lab）；ZJU（浙江大学）；A*STAR（A*STAR研究所）；NTU, CCDS（国立科技大学，CCDS）；CUHK, MMLab（香港中文大学，MMLab）
OccLE通过解耦语义和几何学习任务，利用半监督和双Mamba融合技术，在有限标注下实现高效的3D语义占用预测。
2026-01-22 cs.CV
OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera
OneOcc通过双投影融合、双格体素化、轻量解码器和步态位移补偿模块，实现四足机器人和人形机器人的语义占用预测，解决了步态引起的身体抖动和360度连续性问题。
2026-03-15 cs.CV cs.RO eess.IV
Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving
Waabi（Waabi公司）；University of Toronto（多伦多大学）
提出一种统一的感知与未来预测方法，利用单个神经网络隐式表示随时间变化的占据和流，支持运动规划器在连续时空位置直接查询，并通过全局注意力机制克服感受野限制，在城市和高速公路实验中优于现有最先进方法。
2023-08-02 cs.AI cs.CV cs.LG
Accurate Training Data for Occupancy Map Prediction in Automated Driving Using Evidence Theory
Bosch Center for Artificial Intelligence（博世人工智能中心）；Saarland University（萨尔大学）
针对自动驾驶占用图训练数据质量低的问题，提出基于证据理论的LiDAR转占用图方法，大幅提升精度与不确定性估计能力，优化后的训练数据可显著提升前沿占用预测模型的性能。
2024-05-17 cs.CV
SparseWorld: A Flexible, Adaptive, and Efficient 4D Occupancy World Model Powered by Sparse and Dynamic Queries
AIR
针对现有占用世界模型感知灵活性不足、与动态连续场景不匹配的问题，提出SparseWorld 4D占用世界模型，通过三个核心模块设计，在多任务上达到SOTA性能。
2025-11-17 cs.AI cs.CV
OFMPNet: Deep End-to-End Model for Occupancy and Flow Prediction in Urban Environment
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Artificial Intelligence Research Institute (AIRI)（人工智能研究所（AIRI））
本文提出端到端模型OFMPNet，融合鸟瞰道路图、占据栅格与运动流预测所有动态对象未来行为，并以时间加权运动流损失在Waymo基准上取得SOTA。
2024-04-02 cs.AI cs.CV cs.RO
OG-Gaussian: Occupancy Based Street Gaussians for Autonomous Driving
School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院）；School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院）
提出OG-Gaussian，用ONet生成的占据网格替代LiDAR并分离静态背景与动态车辆，实现与SOTA相当的驾驶场景重建质量和速度，同时降低标注、计算与经济成本。
2025-02-20 cs.AI cs.CV
RenderOcc: Vision-Centric 3D Occupancy Prediction with 2D Rendering Supervision
National Key Laboratory for Multimedia Information Processing（多媒体信息处理国家重点实验室）；School of CS, Peking University（北京大学计算机学院）；Xiaomi Car（小米汽车）；Nanjing University（南京大学）；Nanyang Technological University（南洋理工大学）；CUHK MMLAB（香港中文大学多媒体实验室）
本文提出RenderOcc，通过NeRF式体渲染将多视图2D语义与深度标签转化为3D监督，并用Auxiliary Ray缓解视点稀疏问题，实现接近全3D标签监督的占据预测性能。
2024-03-04 cs.CV
Dynamic Environment Prediction in Urban Scenes using Recurrent Representation Learning
Stanford University（斯坦福大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
自动驾驶面临的一个关键挑战是在具有动态障碍物（如行人、骑自行车者和其他车辆）的混乱城市环境中进行安全的轨迹规划。对未来环境的可靠预测，包括动态代理的行为，将允许规划算法主动生成轨迹以响应快速变化的环境。我们提出了一个新的框架，预测未来的占用状态的本地环境周围的自主智能体通过学习的运动模型占用网格数据使用神经网络。我们利用网格数据的时间结构，利用卷积长短期记忆网络的形式的PredNet架构。该方法在KITTI数据集上进行了验证，并表现出比基线方法更高的准确性和更好的预测能力。
2019-08-18 cs.CV cs.LG cs.RO
Camera-Only 3D Panoptic Scene Completion for Autonomous Driving through Differentiable Object Shapes
KU Leuven（库勒万大学）；TRACE vzw（TRACE公司）；ETH Zürich（苏黎世联邦理工学院）；INSAIT（INSAIT研究所）
针对自动驾驶中的 3D 全景场景补全问题，提出可插入现有占据与场景补全模型的 Object Module 和 Panoptic Module，并利用可微物体形状从基准标注中学习实例形状。
2025-05-14 cs.CV
Occupancy Networks: Learning 3D Reconstruction in Function Space
MPI for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tübingen（图宾根大学）；ETAS GmbH（ETAS有限公司）；Google AI Berlin（谷歌人工智能柏林）
随着深度神经网络的出现，用于3D重建的基于学习的方法得到了普及。然而，与图像不同的是，在3D中没有计算和存储效率都很高的规范表示，但允许表示任意拓扑的高分辨率几何形状。因此，许多最先进的基于学习的3D重建方法只能表示非常粗糙的3D几何形状或限于受限的域。在本文中，我们提出了Occupational Networks，这是一种基于学习的3D重建方法的新表示。占领网络隐式地将3D表面表示为深度神经网络分类器的连续决策边界。与现有的方法相比，我们的表示编码在无限分辨率的3D输出的描述，而无需过多的内存占用。我们验证了我们的表示可以有效地编码3D结构，并可以从各种输入推断。我们的实验证明了竞争力的结果，定性和定量的，具有挑战性的任务，从单一的图像，嘈杂的点云和粗离散体素网格的三维重建。我们相信，占用网络将成为各种基于学习的3D任务的有用工具。
2019-04-30 cs.CV
GridTracer: Automatic Mapping of Power Grids using Deep Learning and Overhead Imagery
对电力接入规划有价值的能源系统信息，例如输电和配电塔的位置和连接，称为电网，通常是不完整的，过时的，或完全不可用。此外，用于收集该信息的常规手段是昂贵且有限的。我们建议使用深度学习自动映射高架遥感图像中的网格。为了实现这一目标，我们开发并公开发布了一个大型数据集（$263km^2$）的架空图像与地面真相的电网，据我们所知，这是第一个数据集的同类在公共领域。此外，我们提出了两个网格映射任务的评分指标和基线算法：（1）塔识别和（2）电力线互连（即，估计网格的图形表示）。我们希望训练数据、评分指标和基线的可用性将促进这一重要问题的快速进展，以帮助决策者解决世界各地社会的能源需求。
2021-01-16 cs.CV
EditSSC: Toward Editable Semantic Occupancy Scenes with Unconditional Diffusion Models
Inria（法国国家信息与自动化研究所）；Valeo.ai（法雷奥人工智能实验室）
提出EditSSC方法，利用2D BEV表示和现成潜扩散网络实现3D语义场景生成与免训练编辑，在SemanticKITTI上优于现有3D专用基线。
2026-06-08 cs.CV
Point2Point : A Framework for Efficient Deep Learning on Hilbert sorted Point Clouds with applications in Spatio-Temporal Occupancy Prediction
University of Pennsylvania（宾夕法尼亚大学）
提出基于Hilbert空间填充曲线的点云1D保局部性排序方法及Point2Point神经架构，有效解决点云学习中的置换不变性与邻域关系问题，并在分割、生成及时空占用预测任务中表现优异。
2023-06-28 cs.CV
Latent Gaussian Splatting for 4D Panoptic Occupancy Tracking
University of Freiburg（弗赖堡大学）；Bosch Research（博世研究院）；University of Haifa（海法大学）
提出潜在高斯泼溅（LaGS）方法，通过特征高斯体作为动态关键点实现多视图特征聚合，用于4D全景占据跟踪，在Occ3D nuScenes和Waymo上达到最优性能。
2026-06-19 cs.AI cs.CV cs.RO
InfiniVerse: Occupancy Guided Unbounded Scene Generation for Autonomous Driving
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Nanyang Technological University（南洋理工大学）；Huawei Technologies Ltd.（华为技术有限公司）；University of New South Wales（新南威尔士大学）
提出InfiniVerse统一框架，通过3D占用表示和视频扩散模型实现从单帧到长距离、2D-3D对齐的动态城市场景可控生成，在Waymo和nuScenes上达到SOTA。
2026-08-17 cs.CV
Occupancy Planes for Single-view RGB-D Human Reconstruction
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-尚佩恩分校）
具有隐函数的单视图RGB-D人体重建通常被公式化为逐点分类。具体地，首先将相机的视锥体内的一组3D位置独立地投影到图像上，并且随后针对每个3D位置提取对应的特征。然后，每个3D位置的特征用于独立地分类对应的3D点是在观察对象内部还是外部。该过程导致次优结果，因为相邻位置的预测之间的相关性仅通过所提取的特征被隐式地考虑。为了获得更准确的结果，我们提出了占用平面（OPlanes）表示，这使得能够将单视图RGB-D人体重建制定为切片通过相机视锥的平面上的占用预测。这种表示提供了比体素网格更大的灵活性，并且能够比逐点分类更好地利用相关性。在具有挑战性的S3 D数据上，我们观察到一个基于OPlanes表示的简单分类器，以产生令人信服的结果，特别是在由于其他对象和部分可见性而导致部分遮挡的困难情况下，这些问题尚未得到解决。
2022-12-01 cs.AI cs.CV
Spatiotemporal Learning of Dynamic Gestures from 3D Point Cloud Data
Tohoku University（东北大学）
在本文中，我们展示了一个端到端的时空姿态学习方法的3D点云数据使用一个新的手势数据集的点云从3D传感器。从手势样本数据中学习了九类手势。我们将点云数据映射到密集的占用网格中，然后将占用网格的时间步长用作3D卷积神经网络的输入，该网络学习数据中的时空特征，而无需显式建模手势动态。我们还介绍了一种三维感兴趣区域抖动的点云数据增强的方法。当将增强数据添加到原始训练数据中时，这导致了高达10%的分类准确度增加。开发的模型能够以84.44%的准确率对数据集中的手势进行分类。我们建议，点云数据将是一个更可行的数据类型的场景理解和运动识别，三维传感器变得无处不在，在未来几年。
2018-04-24 cs.CV
