arxiv：https://arxiv.org/pdf/2303.09551.pdf
代码：https://github.com/weiyithu/surroundocc
主页链接：https://weiyithu.github.io/surroundocc/
最近一直在疯狂找工作，没有闲下来写，正好最近提交了camera-ready，作为一个工作的收尾觉得还是写个知乎总结下。其实文章部分的介绍各个公众号写的已经很好了，也感谢他们的宣传，大家可以直接参考自动驾驶之心的自动驾驶之心：nuscenes sota！surroundocc：面向自动驾驶的纯视觉3d占据预测网络（清华&天大）。总的来说，contribution分为两块，一部分是如何利用多帧的lidar点云构建稠密occupancy数据集，另一部分是如何设计occupancy预测的网络。其实两部分的内容都比较直接易懂，大家有哪块不理解的也可以随时问我。那么这篇文章我想讲点论文之外的事情，一个是如何改进当前方案使其更加易于部署，另一个是未来的发展方向。
部署
一个网络是否易于部署，主要看其中有没有比较难在板端实现的算子，surroundocc这个方法里比较难搞的两个算子是transformer层以及3d卷积。
transformer的主要作用是将2d feature转换到3d空间，那么其实这部分也可以用lss，homography甚至mlp来实现，所以可以根据已实现的方案去修改这部分的网络。但据我所知，transformer的方案在几个方案里对calibration不敏感并且性能也比较好，建议有能力实现transformer部署的还是利用原有方案。
对于3d卷积来说，可以将其替换成2d卷积，这里需要将原来 (c, h, w, z) 的3d feature reshape成（c* z, h, w）的 2d feature，然后就可以用2d卷积进行特征提取了，在最后occupancy预测那步再把它reshape回(c, h, w, z)，并进行监督。另一方面，skip connection由于分辨率比较大所以比较吃显存，部署的时候可以去掉只留最小分辨率那一层。我们实验发现3d卷积中的这两个操作在nuscenes上都会有些许掉点，但业界数据集规模要远大于nuscenes，有时候有些结论也会改变，掉点应该会少甚至不掉。
在数据集构建方面，最耗时的一步是泊松重建。我们使用的是nuscenes数据集，其中采用了32线激光雷达进行采集。即使使用了多帧拼接技术，我们发现拼接后的点云仍然存在许多洞。因此，我们采用了泊松重建来填补这些洞。然而，目前业界使用的许多激光雷达点云都比较密集，例如m1、rs128等。因此，在这种情况下，可以省略泊松重建这一步，以加快数据集构建的速度
另一方面，surroundocc里是利用nuscenes中标注好的三维目标检测框将静态场景和动态物体分离的。但实际应用过程中，可以利用autolabel，也就是三维目标检测&跟踪大模型去得到每个物体在整个sequence中的检测框。相较于人工标注的label，利用大模型跑出来的结果肯定会存在一些误差，最直接的体现就是多帧的物体拼接后会有重影的现象。但其实occupancy对于物体形状的要求没有那么高，只要检测框位置比较准就能满足需求。
未来方向当前方法还是比较依赖lidar提供occupancy的监督信号的，但很多车上，尤其是一些低阶辅助驾驶的车上没有lidar，这些车通过shadow模式可以传回来大量的rgb数据，那么一个未来方向是能不能只利用rgb进行自监督学习。一个自然的解决思路就是利用nerf进行监督，具体来说，前面backbone部分不变，得到一个occupancy的预测，然后利用体素渲染得到每个相机视角下的rgb，和训练集中的真值rgb做loss形成监督信号。但很可惜的是这一套straightforward的方法我们试了试并不是很work，可能的原因是室外场景range太大，nerf可能hold不住，但也可能我们没有调好，大家也可以再试试。
另一个方向是时序&occupancy flow。其实occupancy flow对于下游任务的用处远比单帧occupancy大。iccv的时候没来得及整occupancy flow的数据集，而且发paper的话还要对比很多flow的baseline，所以当时就没搞这块。时序网络可以参考bevformer和bevdet4d的方案，比较简单有效。难的地方还是flow数据集这一部分，一般的物体可以用sequence的三维目标检测框算出来，但异型物体例如小动物塑料袋等，可能需要借助场景流的方法进行标注。
需要进行改写的内容是：原文链接：https://mp.weixin.qq.com/s/_crun60b_loz6_mar0wyug
以上就是surroundocc：环视三维占据栅格新sota！的详细内容。