自动驾驶中的占用感知调查：信息融合视角

自动驾驶中的占用感知调查：信息融合视角

3D  occupancy  perception  technology  aims  to  observe  and  understand  dense  3D  environments  for  autonomous  vehicles.  Owing

to  its  comprehensive  perception  capability,  this  technology  is  emerging  as  a  trend  in  autonomous  driving  perception  systems,  and

is  attracting  significant  attention  from  both  industry  and  academia.  Similar  to  traditional  bird’s-eye  view  (BEV)  perception,  3D

occupancy  perception  has  the  nature  of  multi-source  input  and  the  necessity  for  information  fusion.  However,  the  difference  is

that  it  captures  vertical  structures  that  are  ignored  by  2D  BEV.  In  this  survey,  we  review  the  most  recent  works  on  3D  occupancy

perception,  and  provide  in-depth  analyses  of  methodologies  with  various  input  modalities.  Specifically,  we  summarize  general

network  pipelines,  highlight  information  fusion  techniques,  and  discuss  effective  network  training.  We  evaluate  and  analyze  the

occupancy  perception  performance  of  the  state-of-the-art  on  the  most  popular  datasets.  Furthermore,  challenges  and  future  research

directions  are  discussed.  We  hope  this  paper  will  inspire  the  community  and  encourage  more  research  work  on  3D  occupancy

perception.  A  comprehensive  list  of  studies  in  this  survey  is  publicly  available  in  an  active  repository  that  continuously  collects  the

latest  work:  https://github.com/HuaiyuanXu/3D-Occupancy-Perception.