Occupancy后处理实战：从概率图到干净占用栅格的完整流程

自动驾驶感知后处理里的 Occupancy 环节，是这两年被讨论得越来越多的一块。前几年大家聊感知，焦点基本都在检测框和分割掩码上，直到 Occupancy Network 这类范式出来，把"场景里每个体素被占没被占"变成一等公民，后处理才真正被推到台前。我接触这块是从一个模拟项目开始的，当时模型输出的 occupancy 栅格噪声大得离谱，直接拿去做规划根本没法用，于是硬着头皮把后处理这一整套流程从头捋了一遍。这篇就聊聊 Occupancy 后处理到底在做什么、为什么难、怎么落地，适合刚接触占用栅格感知的算法同学，也适合做下游规划、想搞清楚上游输出质量边界的朋友。核心关键词会围绕占用栅格、体素、后处理、连通域、栅格滤波这些展开，尽量把每个环节的"为什么"讲透，而不是只丢一堆参数。

1. 先搞清楚 Occupancy 后处理到底在解决什么问题

1.1 从模型原始输出说起：它为什么不能直接用

Occupancy Network 这类模型的典型输出，是一个三维体素栅格，每个体素带一个占用概率或者占用 logits，有的还会附带语义类别、流场、特征向量。听起来很规整，但真正拿到手你会发现它离"能用"差着十万八千里。最直接的问题是概率图是稠密且带噪的：模型在物体边缘、远处稀疏区域、遮挡边界附近会给出大量模棱两可的中间概率，比如 0.4、0.55 这种，你按 0.5 一刀切，切出来的表面坑坑洼洼，像被虫蛀过一样。

第二个问题是孤立噪点。体素空间里经常冒出一些和主体不相连的零星占用体素，可能是模型对反光、雨雾、稀疏点云的误判。这些点如果直接喂给规划，规划器会把它当成真实障碍物，轻则绕路，重则急刹。第三个问题是空洞和断裂：真实物体内部本该是实心的，模型却可能因为观测不足在中间留个洞；或者一个连续墙面被切成好几段，连通性被破坏。

所以后处理的第一层使命很朴素：把一张"毛坯概率图"打磨成"结构干净、连通合理、语义一致"的占用栅格。它不是锦上添花，而是决定这套感知能不能进下游的关键闸门。我见过不少团队模型指标刷得很漂亮，但后处理没做扎实，实车一跑全是幽灵障碍，最后返工的还是后处理。

1.2 后处理在整个链路里的位置与边界

得先把边界划清楚。Occupancy 后处理处在"模型推理输出"和"下游建图/规划/碰撞检测"之间，它的输入是体素级的概率或 logits，输出应该是干净的占用体素集合，通常还会带上语义标签和置信度。它不负责提升模型的原始召回，也不该去凭空补出模型完全没看到的结构——那是模型和时序融合的活。后处理能做的是：去噪、补洞、连通、平滑、裁剪感兴趣区域、做时序一致性维护。

这个边界很重要，因为很多新手一上来就想用后处理"救"模型的漏检，结果越补越错，把真实空隙填成障碍，规划直接卡死。我的经验是：后处理只做"基于已有证据的合理整理"，凡是需要"无中生有"的操作，都要极度克制，宁可留空也不要乱填。下面这张表是我梳理的职责划分，实际项目里拿它对齐上下游预期特别管用。

1.3 适合谁来读、需要什么前置知识

这篇面向的是已经大致知道体素、栅格、占用概率这些概念的同学，最好动手跑过一点三维数据处理。如果你完全没接触过，也不影响理解整体思路，但涉及连通域、形态学这些操作时，建议先补一下三维图像处理的基础。代码层面我会用 Python 加 NumPy 为主，偶尔提一下 SciPy 的 ndimage，因为这套组合上手快、调试直观，做原型足够；真要上量产再考虑换成更高效的实现。整篇的基调是"能抄作业"，每个环节我都会给出可运行的思路和参数选择的理由，而不是停留在概念层面。

2. 核心思路拆解：为什么是这套处理顺序

2.1 处理流水线的整体设计逻辑

后处理不是一堆操作的随意堆叠，顺序错了效果会差很多。我最终稳定下来的流水线大致是：阈值化 → 感兴趣区域裁剪 → 体素级去噪 → 连通域分析 → 补洞 → 表面平滑 → 时序融合 → 输出结构化结果。这个顺序背后有明确的因果链，我逐个说理由。

先阈值化再裁剪，是因为裁剪本身要先知道哪些体素是"候选占用"，在概率图上裁剪没有意义；而且先裁剪能大幅减少后续操作的体素数量，三维形态学在稠密栅格上是很吃算力的，先砍掉无关区域能省一大截时间。去噪放在连通域之前，是因为孤立噪点会干扰连通域统计——你统计出来的连通域数量里混着一堆单个体素的噪声块，阈值就不好定。连通域之后再补洞，是因为补洞需要知道"洞"是被谁包围的，只有先确定了主体连通块，才能判断某个空腔是不是被同一个物体包住的内部空洞。平滑放在补洞之后，避免平滑把刚补上的结构又抹掉。时序融合放最后，是因为它需要当前帧已经整理干净的占用结果作为输入。

提示：这个顺序不是唯一解，但每一步的依赖关系是硬的。你可以合并某些步骤，但不要颠倒"先确定主体、再修补细节"这个大原则。

2.2 阈值策略：固定阈值为什么经常翻车

最直觉的做法是概率大于 0.5 就算占用。实测下来这个做法在近处表现还行，远处和边缘就崩。原因是模型输出的概率分布并不是校准良好的，不同距离、不同语义类别的置信度分布差异很大。远处体素观测稀疏，概率普遍偏低，固定 0.5 会把远处真实障碍整片漏掉；而近处反光地面又容易给出虚高概率。

我试过几种改进。第一种是分类别阈值：地面、墙面、车辆、行人各自用不同阈值，因为它们的观测特性和误判模式不一样。第二种是基于距离的自适应阈值：距离越远阈值适当放低，补偿稀疏观测带来的置信度衰减。第三种是双阈值滞回：高阈值确定"铁定占用"，低阈值确定"候选占用"，再用连通性把候选里和铁定占用相连的拉进来。滞回这招在抑制边缘抖动上效果明显，代价是要多存一份候选掩码。

参数上，我一般把高阈值设在 0.6 到 0.7，低阈值设在 0.3 到 0.4，中间地带交给连通性裁决。这个区间不是拍脑袋，是我在几个模拟场景里扫参数扫出来的经验带：高阈值再往上，召回掉得厉害；低阈值再往下，噪声涌进来。具体数值一定要在你的数据上重新扫，因为模型校准程度不同，最优带会平移。

2.3 为什么用连通域而不是简单的中值滤波

有人会问，去噪用三维中值滤波不就行了，何必搞连通域。中值滤波确实能压掉椒盐噪声，但它对"成块的孤立噪声"无能为力——一个 3x3x3 的噪声团，中值滤波照样保留。而连通域分析能直接从"结构是否与主体相连"这个维度判断，把整块孤立噪声一锅端，这是中值滤波做不到的。

连通域的核心参数是最小连通体素数。小于这个数的连通块直接丢弃。这个阈值怎么定？取决于你关心的最小真实物体。比如你希望至少能保留一个行人在远处的占用，那就要估算行人在最远关注距离处大概占多少体素。假设体素分辨率 0.2 米，一个行人粗略 0.6x0.6x1.8 米，那大约占 3x3x9 个体素，考虑远处观测不全，打个对折也有几十个。所以最小连通体素数设在 20 到 50 之间比较合理，设太小噪声去不干净，设太大远处小目标被误删。这个计算过程我建议每个人都自己走一遍，因为体素分辨率一变，结论就变。

2.4 补洞与平滑的取舍：别把证据抹掉

补洞的诱惑很大，看到空洞就想填。但我踩过的坑是：把真实空隙填成障碍。比如两辆车之间的缝隙、栏杆之间的空隙，如果补洞算法太激进，会把它们连成一片实心墙，规划器直接判定不可通行。所以补洞必须限定在"被单一连通块完全包围的内部空腔"，而且空腔体积要小于某个上限。实现上可以用连通域对"空"体素做标记，只有不连通到栅格边界的空腔才算内部洞，这个技巧叫背景连通标记，非常实用。

平滑同理。三维形态学的开运算能去掉毛刺，闭运算能填小缝，但开运算会削掉细小真实结构（比如细杆、天线），闭运算会粘连邻近物体。我的做法是平滑只作用在表面一层体素上，且用较小的结构元素（3x3x3），并且平滑前后做一次体积变化检查，体积变化超过阈值就回退。这个"改完要验"的习惯，帮我避免了好几次把场景改坏的事故。

3. 实操落地：从概率图到干净占用栅格的完整流程

3.1 环境与数据准备

原型阶段我用 Python 3.10 加 NumPy、SciPy，可视化用 Open3D 或者直接 matplotlib 切片看。数据方面，你需要一份体素概率张量，形状通常是(D, H, W)或者(X, Y, Z)，外加可选的语义标签张量。如果没有真实模型输出，可以自己造一个带噪声的模拟栅格来验证流程，我一开始就是这么干的——造一个球体加几个立方体，再撒上随机噪点和随机空洞，专门用来调试后处理参数。

import numpy as np from scipy import ndimage # 模拟：一个带噪声和空洞的占用概率体素栅格 rng = np.random.default_rng(42) shape = (64, 64, 64) prob = np.zeros(shape, dtype=np.float32) # 造一个球体作为主体 xx, yy, zz = np.mgrid[0:64, 0:64, 0:64] sphere = ((xx-32)**2 + (yy-32)**2 + (zz-32)**2) < 12**2 prob[sphere] = 0.9 # 撒噪点 noise_mask = rng.random(shape) > 0.995 prob[noise_mask] = rng.random(noise_mask.sum()) * 0.8 # 挖几个空洞模拟观测缺失 for _ in range(5): cx, cy, cz = rng.integers(20, 44, 3) hole = ((xx-cx)**2 + (yy-cy)**2 + (zz-cz)**2) < 3**2 prob[hole] = 0.1

这段造数据的代码看着简单，但它能覆盖后处理最常遇到的几类问题：边缘模糊、孤立噪点、内部空洞。拿它当回归测试集，每次改参数都跑一遍看输出，比在真实数据上盲调高效得多。

3.2 阈值化与感兴趣区域裁剪的实现

阈值化我推荐用双阈值加滞回。先算高阈值掩码和低阈值掩码，然后对低阈值掩码做连通域，凡是连通块里含有高阈值体素的，整块保留。这样既保住了弱证据连成的结构，又过滤了纯噪声。

def hysteresis_threshold(prob, high=0.65, low=0.35): high_mask = prob >= high low_mask = prob >= low # 对低阈值掩码做连通标记 structure = np.ones((3, 3, 3), dtype=bool) labeled, num = ndimage.label(low_mask, structure=structure) keep = np.zeros(num + 1, dtype=bool) # 找出包含高阈值体素的连通块 hit_labels = np.unique(labeled[high_mask]) keep[hit_labels] = True keep[0] = False return keep[labeled]

感兴趣区域裁剪这块，实际项目里通常只关心自车周围一定范围，比如前后各 40 米、左右各 20 米、高度 0 到 4 米。裁剪不只是省算力，更重要的是把远处那些观测极稀疏、误判率极高的区域排除掉，避免它们污染连通域统计。裁剪边界建议留一点余量，别卡得死死的，否则物体刚好在边界上会被切断，反而制造出假边缘。

3.3 体素级去噪与连通域过滤

去噪我分两步走。第一步用三维中值滤波压椒盐噪声，核大小 3；第二步用连通域按体积过滤。中值滤波放在连通域之前，是因为它能把一些即将形成孤立小块的噪点先打散，减少连通域的数量，让后面的体积阈值更好定。

def denoise_and_filter(mask, min_voxels=30): # 中值滤波去椒盐 filtered = ndimage.median_filter(mask.astype(np.uint8), size=3).astype(bool) # 连通域体积过滤 structure = np.ones((3, 3, 3), dtype=bool) labeled, num = ndimage.label(filtered, structure=structure) sizes = ndimage.sum(filtered, labeled, range(1, num + 1)) keep_labels = np.where(sizes >= min_voxels)[0] + 1 clean = np.isin(labeled, keep_labels) return clean

这里有个细节值得说：structure用全 1 的 3x3x3 意味着 26 邻接，连通性判定更宽松，适合物体表面有细微断裂的场景；如果你发现不同物体被错误地连成一块，可以改成 6 邻接（只认面相邻），连通更严格。这个选择直接影响连通域数量和后续补洞行为，值得单独调。

3.4 内部空洞填补与表面平滑

补洞用背景连通标记法。思路是把"空"体素做连通域，凡是连通到栅格边界的空腔是"外部背景"，不连通的才是"内部洞"，只填内部洞，且限制洞的体积上限。

def fill_internal_holes(mask, max_hole_voxels=200): empty = ~mask structure = np.ones((3, 3, 3), dtype=bool) labeled, num = ndimage.label(empty, structure=structure) # 找出接触边界的标签（外部背景） border_labels = set() for axis in range(3): border_labels.update(np.unique(labeled.take(0, axis=axis))) border_labels.update(np.unique(labeled.take(-1, axis=axis))) filled = mask.copy() for lbl in range(1, num + 1): if lbl in border_labels: continue hole = labeled == lbl if hole.sum() <= max_hole_voxels: filled[hole] = True return filled

平滑我只在表面做，用 3x3x3 的开运算去毛刺，然后做体积变化检查。体积变化超过 5% 就回退到平滑前，这个保险丝很关键，我靠它拦下过好几次过度平滑。

3.5 时序融合与输出结构化

单帧再干净，帧间抖动也会让下游难受。时序融合最简单的做法是维护一个衰减的占用置信度体素，当前帧结果按权重融合进去，再重新阈值化。权重一般当前帧给 0.6 到 0.7，历史给剩下的，衰减系数控制历史记忆长度。要注意自车运动带来的坐标系变换，融合前必须把历史栅格对齐到当前自车坐标系，否则融合出来全是拖影。

输出结构化时，我建议除了占用掩码，再输出每个连通块的包围盒、体素数、平均置信度、语义众数。下游规划拿包围盒做粗筛，拿体素做精检，比只给一张掩码好用得多。这一步经常被忽略，但它是后处理和下游之间的"接口契约"，定好了能省大量沟通成本。

4. 常见问题与排查技巧实录

4.1 幽灵障碍反复出现怎么查

幽灵障碍是最高频的问题。排查顺序我总结成：先看是单帧就有还是时序融合后才出现。单帧就有，多半是阈值太低或去噪不够，重点查低阈值区域和最小连通体素数；时序融合后才出现，八成是坐标系对齐有误或者历史权重给太高，导致旧帧的误判被"记住"了。我遇到过一次，融合后总在固定位置出现障碍，最后发现是历史栅格对齐时漏了一个平移分量，物体被复制到了错误位置。这类问题用可视化逐帧对比最快，别硬看数字。

4.2 远处小目标被误删的处理

远处小目标被连通域体积阈值误删，是另一个典型矛盾。我的处理是分区域用不同阈值：近处用大一点的体积阈值，远处用小阈值，因为远处体素本来就少。同时配合距离自适应阈值，远处降低占用阈值保住召回。如果还不行，可以考虑对远处单独做一次不做体积过滤的"保底通道"，把高置信度的小连通块强行保留。这个保底通道要谨慎，容易放噪声进来，建议只在远距离区域开。

4.3 补洞把真实缝隙填死怎么办

这就是前面强调的"补洞要克制"。除了限制只填内部洞、限制洞体积，还可以加一条：洞的长宽比检查。真实缝隙往往细长，内部空洞往往接近球形。算一下洞的包围盒长宽比，超过阈值（比如 3:1）就判定为缝隙不填。这招对栏杆、车缝特别有效。另外补洞后一定要做一次"可通行性抽查"，挑几个已知该通的缝隙看有没有被填，形成回归用例。

4.4 性能扛不住时的优化方向

三维形态学和连通域在稠密栅格上很吃资源。优化优先级我建议：先做感兴趣区域裁剪，这是收益最大的；再把体素分辨率在远处降采样，近处保持精细；然后考虑把连通域换成基于并查集的增量实现；最后才是上多线程或 GPU。别一上来就想着并行化，先把算法层面的冗余砍掉，往往能省一半以上时间。下面这张速查表是我平时排查用的，直接对着查能省不少时间。

4.5 参数调试的实操心得

最后分享几个调参上的实在经验。第一，永远先固定其他参数，只动一个，三维后处理参数之间耦合很强，一起动你根本不知道是谁的功劳。第二，建立小规模回归集，十几帧覆盖典型场景（近处、远处、缝隙、空洞、噪声），每次改参数全跑一遍看指标，比凭感觉靠谱。第三，把中间结果都存下来，阈值后、去噪后、补洞后各存一份，出问题能快速定位是哪一步引入的。第四，别迷信一套参数打天下，不同场景（地下车库、开阔道路、雨雾天）最优参数带不一样，条件允许就做场景自适应。我个人在实际操作中的体会是，后处理这活儿七分靠对数据的理解、三分靠算法，把数据看透了，参数自然就有方向了。