基于点集稀疏表征的占据网格预测 | 地平线「你好，开发者」直播预告

文章预览

在自动驾驶任务中，全面的3D场景理解至关重要，直接影响后续任务的效率和准确性。传统的3D场景理解方法，例如3D目标检测，难以描述任意形状和无限类别的真实世界物体。占据网格预测则借鉴了机器人领域中的占用网格建图的思想，对自动驾驶环境进行表征，相比于传统的3D检测任务，占据网格预测可以适用于各种类型的动静态目标和场景感知，更精准地还原客观物理世界，是智驾场景建模的热点任务。 在 ECCV 2024上，地平线-华中科技大学联合实验室提出的新方法—— Occupancy as Set of Points（OSP） ，探索了全新视角下的占据网格预测算法，利用点集稀疏表征，对智驾场景建模提供了一个全新的思路。OSP 不仅在理论上提供了创新性的解决方案，还在公开数据集上取得了卓越的实验结果，能够在提高计算性能的同时保有高度灵活性。 OSP和BEV表征方 ………………………………