这当然会比视觉方案，通过摄像头获取的外界信息提取难度要小

结合先验信息或者实时感知判断绕行或制动

通过激光雷达投射出去的绵密点云判断未知障碍物的体积

无疑是加了一个价格昂贵的外挂

目前市面上最主流的激光雷达方案

下游的轨控也能减轻不少压力，智驾使用体验自然更丝滑

那么整个感知模块就比较完善了。

占用网络对3D场景的还原再加上BEV和Transformer对道路参与者的位姿轨迹的预测

大概率会忽略或有其他应急反应，比如一些撞桩桶事件

智驾过程中，汽车碰到白名单里面的物体，认识就能采取相应措施

厂商是不太可能将所有可能出现在道路上的物体都纳入白名单

实际道路环境非常复杂，比如施工桩桶、掉落的树枝

也就是将高频出现的目标都纳入的白名单机制。

首先要对交通参与者进行标注，帮助汽车认识什么是轿车、卡车、行人等等

车辆就知道要不要躲避了。解决了通用障碍物识别这个老大难的问题

占据的位置大小会不会影响通行

只要知道了物体的大概形态

这个时候也无需再去纠结车辆周围的物体是什么东西

都会被系统认为是1，赋值1，否则赋为0。

只要在这个空间的体素下被占用了

谁说不用担心的？纯视觉方案有个很大的缺陷，就是摄像头到了雨天会有水珠附着到镜头的玻璃上，这样就会造成识别前方障碍物有问题，可能会识别错误直接撞上障碍物。

你有空去了解下特斯拉的纯视觉方案吧

极越01在城市智驾领域确实有着强大竞争力

纯视觉智驾系统，听着就很高大上。

分割之后，每一个小方块叫做体素，类似于像素

将这个空间做了无数网格化的分区

其实很好理解，将现实世界看成一个3D网格世界

这次官方大力宣传了占用网络，这也是城区视觉方案好用的关键。

解决了通用障碍物的识别问题，和特斯拉是一样的路线，相当激进。