随着纯视觉方案的增多，很多朋友会问，没有Lidar，系统如何搞定通用（异形）障碍物？Occ是一个解题方式，之前我写过一篇关于Occ占用网络的科普，我再写一次，方便刚接触智驾的朋友了解，同时有些知识点，也需要更新了：
Occ是Occupancy的缩写，中文可翻译为：占用；在自动驾驶场景中Occ 缩写代表Occupancy Networks，占用网络；也可以代表Occupancy Grid，占用栅格；
占用网络的概念，源自2019年CVPR上发表的一篇论文《Occupancy Networks: Learning 3D Reconstruction in Function Space》，首版发表于2018年12月10日，修订版发表于2019年4月30日。在自动驾驶领域，被特斯拉发扬光大，首个应用。特斯拉在2022年的AI Day上提出了基于Occupancy Network的感知方法。
而占据栅格，通常代表非纯视觉，采用多传感器融合的方案，比如华为所使用的GOD网络、蔚来的Occ1.0、以及理想和小鹏早期上车的Occ网络（其他家也有类似方案）。
Occ是一种基于深度学习的三维重建方法，它通过深度神经网络隐式地表示三维表面。这种方法的核心在于使用神经网络为每一个可能的三维点分配一个0到1之间的占据概率，从而定义物体的occupancy function（占据函数）。与传统的体素表示、点云表示和网格表示不同，Occupancy Networks能够以无限分辨率编码三维输出的描述，而不会占用过多内存。
Occ应用到自动驾驶中，可以理解为：对真实障碍物的一种检测方式。古早的视觉算法，需要认识这个物体，才能规控，而Occ则不需要认识，它把物体以3D「栅格化」的形式，投射在BEV空间中，让车辆了解可行驶区域，能够更好的帮助车辆进行规划。
除了特斯拉，采用纯视觉占用网络的，还有蔚来的Occ2.0，行车已经应用在乐道车型上。极越的ASD（BOT网络）、以及小鹏XOS天玑版本之后；此前理想也上线了基于鱼眼的纯视觉泊车Occ，而这一次小鹏所演示的泊车3D Occ则更进一步，首次应用720°的全向视角。
可能有人会问，Occ对于近距离物体感知好，远距离怎么办？行车场景怎么办？通过深度学习，Occ网络可以做到类似于激光雷达的变焦效果。
比如极越的Occ，支持前向200m、120m、30m的三种检测能力；蔚来的Occ 2.0能够覆盖前向300米、左右侧、后向25米的感知能力；我这里没有小鹏、理想两家Occ的详细数据，但是各家都在储备纯视觉Occ的能力。
还有一种说法：在端到端时代，由于只有一个网络，Occ失去价值，将被抛弃。但从目前各家的落地方案来看，还会有Occ模块以及交互输出。所以Occ并没有被抛弃，而是作为多任务形态而存在。
随着深度学习能力的提升，大模型的应用，以及更出色的车端算力，Occ的检测精度也在大幅度提升，过去的上限是10cm，如今越来越多品牌，都在朝着5cm的精度而努力。
