通用障碍物感知

通用障碍物感知是自动驾驶领域中的一项重要任务。在自动驾驶中，通用障碍物感知主要针对场景中的非白名单物体。目前业界主流的感知任务是 Occupancy 和 Occupancy Flow。通用障碍物感知的整体技术路线通常是通过 4D 重建实现点云级别或者 object 级别的重建，再通过人工标注积累原始数据，随着数据积累到一定程度，可以训练云端大模型逐步替换人工标注，可提升 80%+的标注效率。其基本流程为采集数据（包括极光雷达、相机、IMU、GPS 等），输入给动/静态场景进行 4D 重建，进行人工标注与之间，进行云端模型训练，进行模型预刷（3D or BEV），进行多传感器交叉验证。

通用障碍物感知也与一些先进的技术方案相关。例如极越 01 采用纯视觉占用网络跑城区智驾，解决了通用障碍物的识别问题，其将现实世界看成一个 3D 网格世界，每一个小方块叫做体素，物体在空间里面占据了一定的体素，系统就会把它显示出来，并判定它是一个障碍物。华为问界 M5 智驾版配备了 GOD（通用障碍物检测）感知网络，通过激光雷达、毫米波雷达、摄像头等多传感融合的感知，让智能汽车能够像人一样，看得懂、感知和理解周围的环境。阿维塔 12 采用业界首创的 GOD 占据栅格网络算法，将感知能力提升到新境界，能够对倒地的行人、侧翻车辆、掉落的货物等未训练过的障碍物进行识别。智己汽车推出的 DDOD（Data-Driven Occupancy & Object Detection，数据驱动的占用和对象检测），采用厘米级网格，无需 Lidar 即可解决地面凸起物、路牙等通用障碍物感知，可以检测地面高程信息，全方位感知周围的环境信息。零束科技 BEV 感知架构通过 BEV occupancy 网络增