研究背景与动机 - L4级自动驾驶商业化浪潮到来，特斯拉Robotaxi落地运营、小马智行和文远知行成功上市、百度萝卜快跑快速扩张，标志着行业迈向大规模部署 [3] - 占据栅格（Occupancy）作为感知核心提供关键几何先验，但主流标注方法严重依赖激光雷达，成本高昂且难以扩展 [3][6] - 消费级车辆众包数据无法被现有激光雷达依赖方案有效利用，行业亟需低成本可规模化的自动标注新范式 [3][7] 技术方案创新 - 提出基于八叉树的高斯面元场景表示方法，整合地面、背景和动态物体实现纯视觉规模化几何重建 [7][13] - 通过逐帧划分和多帧聚合提升点云密度，显式处理相机视角遮挡问题 [13] - 采用5摄像头输入配置，在增加更多视角时性能不会下降，而其他方法可能出现性能衰减 [25][29] - 直接重建点云的方式对该任务更合适且更具可扩展性 [25] 性能表现 - 在Waymo数据集实现SOTA几何重建结果：倒角距离(CD)仅0.56，PSNR达到26.89，训练时间仅0.8小时，GPU显存占用10GB [15] - 在Occ3D-Waymo验证集上取得IoU 44.7和F1分数61.8，与激光雷达方案结果相当 [16] - 在Occ3D-nuScenes上展示优越的零样本泛化能力：IoU 33.4 vs 激光雷达方案的31.4，F1分数50.1 vs 47.8 [16][17] - 重建语义类别达到66类，远超Occ3D的16类，能识别摩托车、车道线和人行横道等对驾驶至关重要的语义信息 [32] 竞争优势 - 成本效益显著高于激光雷达方案，可利用消费级车辆众包数据进行自动标注 [3][10] - 在弱纹理区域展现更高重建保真度，结构完整性媲美激光雷达点云 [20] - 具备更广的空间覆盖范围，特别是在重建高层建筑时性能甚至超越激光雷达 [32] - 在恶劣天气条件下潜力更大，能利用图像域丰富的纹理和语义信息进行有效重建 [33] 应用前景 - 为无先验信息的占据栅格模型训练提供可靠监督信号 [22] - 凸显大规模纯视觉占据栅格重建技术作为感知新范式的巨大潜力 [36] - 可服务于下游占据栅格模型训练，使模型能够泛化到未见过的场景并具备几何推理能力 [13] - 为行业提供低成本、可规模化的自动标注解决方案，推动自动驾驶技术大规模部署 [3][10]