Occupancy后处理五层流水线：从噪声栅格到规划可用结果

1. 从一张“糊成粥”的栅格图说起：Occupancy 后处理到底在解决什么问题

做过三维感知或者栅格建图的朋友，大概率都见过这样的画面：模型输出的 occupancy 栅格图边缘毛刺横生，地面和墙面糊成一片，远处稀疏近处冗余，同一块区域在相邻帧之间反复闪烁。你盯着这张图，明明知道网络已经尽力了，可下游的规划模块就是不敢用——因为它分不清哪里是“真的障碍”，哪里只是“模型不确定”。Occupancy 后处理，说白了就是在这张原始栅格图和下游可用结果之间，架一道“精修工序”，把粗糙的、带噪声的、时序不一致的占据栅格，收拾成干净、稳定、可被规划器信任的结构化表达。

这个工序听起来像是“锦上添花”，实际却是整个感知链路里最容易被低估、也最容易翻车的一环。原始 occupancy 输出通常是一个三维或二维的体素/栅格张量，每个格子给一个占据概率或者 logits，模型训练时用的是交叉熵或者 focal loss，它优化的是“逐格分类准确率”，而不是“这块区域作为一个整体是否可通行”。这两者之间的鸿沟，就是后处理要填的坑。举个生活化的类比：模型像是一个刚学会涂色的孩子，每个格子该涂黑还是留白他大概知道，但涂出来的边界是锯齿状的，颜色深浅也不均匀；后处理就是拿橡皮和尺子，把边界修直、把杂色擦掉、把该连的连起来。

适合读这篇内容的人，我大致分三类。第一类是刚接触 occupancy 任务、模型能跑通但结果没法看的同学，你需要一套能直接抄作业的后处理流水线；第二类是做下游规划控制、被上游栅格噪声折磨过的工程师，你想知道这些噪声到底能不能在上游被压下去；第三类是已经在做后处理、但效果时好时坏、想系统梳理参数和排查思路的人。不管你属于哪一类，核心诉求是一致的：让 occupancy 从“能看”变成“能用”。

我先把结论性的框架摆出来，后面再逐层拆。一套完整的 occupancy 后处理，通常包含五个层次：概率校准与阈值决策、空间滤波与形态学修整、连通域分析与碎片清理、时序融合与闪烁抑制、结构化输出与下游接口适配。这五层不是必须全上，但每一层解决的是不同性质的噪声，跳过任何一层，你都得在别的地方用更别扭的方式补回来。下面我按“为什么这么设计—关键细节怎么抠—完整流程怎么跑—出问题怎么查”的顺序，把这套东西讲透。

2. 整体设计与思路拆解：为什么后处理不能“一把阈值走天下”

2.1 原始 occupancy 输出的三个先天缺陷

在动手写任何后处理代码之前，得先搞清楚原始输出到底“病”在哪。我把实际项目里反复出现的缺陷归成三类，这三类对应三种完全不同的处理手段，混为一谈是新手最常见的错误。

第一类是概率语义漂移。模型输出的 0.5 并不真的等于“五五开”。由于训练数据里正负样本极度不均衡（空旷区域远多于障碍），模型往往整体偏向保守或激进，导致同一个阈值在不同场景下表现差异巨大。你在室内走廊调好的 0.4 阈值，搬到室外停车场可能满屏都是假障碍。这不是模型坏了，是概率没有经过校准。

第二类是空间高频噪声。表现为孤立的单格噪点、边缘的锯齿毛刺、以及“盐椒噪声”式的随机翻转。这类噪声的本质是模型在局部感受野内没有足够证据做决策，输出在阈值附近抖动。形态学滤波和连通域分析就是冲它来的。

第三类是时序不一致。同一堵墙，这一帧在，下一帧缺一块，再下一帧又冒出来。对规划器来说，这种闪烁比稳定的错误更致命——它会触发频繁的急刹和重规划。这类问题单帧后处理解决不了，必须引入时序维度的融合。

注意：很多人一上来就调形态学的核大小，结果把该保留的细障碍（比如细杆、栏杆）一起腐蚀没了。先分清噪声类型，再选工具，顺序反了会白干。

2.2 五层流水线的设计逻辑与取舍

为什么是这五层，而不是三层或者八层？每一层的存在都有明确的“职责边界”，层与层之间尽量解耦，这样出问题时你能快速定位是哪一层引入的副作用。

概率校准层负责把“模型打分”翻译成“可信的占据判断”，它决定了后续所有空间操作的输入质量。空间滤波层负责压制高频噪声、修整边界，它是最“暴力”的一层，也是最容易误伤的一层。连通域层负责从“一堆格子”上升到“一个个物体”，把小于物理合理尺寸的碎片判为噪声。时序融合层负责跨帧一致性，用历史信息给当前帧“投票”。结构化输出层负责把栅格转成下游能吃的格式，比如包围盒、多边形、可通行区域掩码。

这个顺序不能随便调。我见过有人把连通域分析放在形态学之前，结果因为边缘毛刺把两个本该分开的障碍连成一片，连通域直接失效。也见过有人先做时序融合再做空间滤波，导致历史帧的噪声被反复“固化”进融合结果，越融越脏。正确的顺序遵循一个原则：先修正单帧的“值”，再修正单帧的“形”，再修正单帧的“块”，最后修正跨帧的“稳”。值不对，形和块都是空中楼阁。

2.3 一个必须提前想清楚的问题：后处理的目标是“准”还是“稳”

这是设计阶段最容易被忽略、却直接决定参数取向的问题。如果你的下游是离线标注或者高精度建图，那目标是“准”，宁可保留不确定也不要把真障碍滤掉，阈值偏保守、形态学偏轻。如果你的下游是实时规划避障，那目标是“稳”，宁可把一些模糊区域判为障碍让车绕一下，也不能让真障碍时隐时现。这两个目标在参数上是打架的。

我的做法是在配置里显式区分两种 profile：precision_mode和safety_mode。前者阈值取校准后的 0.5 附近、形态学核取最小、连通域面积下限取物理最小障碍的投影面积；后者阈值下调 0.1 到 0.15、形态学只做闭运算不做开运算、连通域下限放宽。这个区分看起来简单，但它逼着你在写代码前就想清楚“这套后处理是给谁用的”，避免后期反复推倒重来。

3. 核心细节解析与实操要点：每一层到底怎么抠

3.1 概率校准：让 0.5 真的意味着五五开

概率校准这一步，很多团队直接跳过，觉得“反正后面有阈值，校准不校准差不多”。实测下来差别很大，尤其是在跨场景部署时。校准的目标是让模型输出的概率分布和真实占据频率对齐。常用的方法有两种：温度缩放（Temperature Scaling）和直方图分箱校准（Histogram Binning）。

温度缩放最简单，在验证集上拟合一个标量温度 T，对 logits 做logits / T再过 sigmoid。它只有一个参数，不容易过拟合，适合数据量中等的情况。直方图分箱更灵活，把概率空间分成若干区间，每个区间单独拟合一个映射，适合分布形状比较怪的情况，但需要足够多的验证样本，否则区间内统计不稳。

实操上我一般这样做：从验证集里按场景分层采样，保证室内、室外、近距离、远距离都有覆盖，然后分别拟合，看不同场景的最优温度是否一致。如果不一致，说明模型存在场景相关的系统性偏差，这时候要么分场景校准，要么在训练侧补数据，光靠后处理压不住。

import numpy as np def temperature_scale(logits, T): # logits: 模型原始输出，未过 sigmoid return 1.0 / (1.0 + np.exp(-logits / T)) def fit_temperature(logits_val, labels_val, T_grid=None): if T_grid is None: T_grid = np.linspace(0.5, 3.0, 51) best_T, best_nll = 1.0, float('inf') for T in T_grid: p = temperature_scale(logits_val, T) p = np.clip(p, 1e-6, 1 - 1e-6) nll = -np.mean(labels_val * np.log(p) + (1 - labels_val) * np.log(1 - p)) if nll < best_nll: best_nll, best_T = nll, T return best_T

校准完之后，阈值决策就有了依据。我的经验是：校准良好的模型，安全模式阈值取 0.35 到 0.45，精度模式取 0.5 到 0.6。如果校准后发现最优阈值离 0.5 特别远（比如 0.2 或 0.8），那多半是训练数据标签有系统性问题，值得回头查一查。

3.2 空间滤波：形态学不是万能锤，核形状比核大小更重要

形态学操作（腐蚀、膨胀、开运算、闭运算）是 occupancy 后处理里用得最多、也最容易被滥用的工具。新手常犯的错是“噪声多就加大核”，结果把细结构全抹平了。这里的关键认知是：核的形状决定了你保留什么方向的结构。

举个具体例子。室内场景里墙是竖直的、地面是水平的，如果你用一个 3x3 的方形核做开运算，竖直细墙和水平地面会被同等对待，墙的厚度被削、地面的边缘被磨，两边都不讨好。更好的做法是用方向性核：对竖直结构用 1x3 的竖条核，对水平结构用 3x1 的横条核，分别处理再合并。这样能在压制噪声的同时保住主要结构的方向性。

另一个细节是先开后闭还是先闭后开。开运算（先腐蚀后膨胀）擅长去掉孤立小噪点，闭运算（先膨胀后腐蚀）擅长填补小空洞。如果你的噪声主要是“多出来的点”，先开；如果是“缺掉的小洞”，先闭。两个都做的话，顺序会影响最终形态——先开再闭倾向于“干净但略瘦”，先闭再开倾向于“饱满但可能残留”。我一般对安全模式用先闭后开（宁可饱满），对精度模式用先开后闭（宁可干净）。

import numpy as np from scipy import ndimage def directional_morphology(grid, axis='vertical', op='open', k=3): # grid: 2D 二值占据图 if axis == 'vertical': struct = np.ones((k, 1), dtype=bool) else: struct = np.ones((1, k), dtype=bool) if op == 'open': return ndimage.binary_opening(grid, structure=struct) elif op == 'close': return ndimage.binary_closing(grid, structure=struct) return grid def spatial_filter(grid, mode='safety'): if mode == 'safety': g = directional_morphology(grid, 'vertical', 'close', 3) g = directional_morphology(g, 'horizontal', 'close', 3) g = ndimage.binary_closing(g, structure=np.ones((3, 3))) else: g = directional_morphology(grid, 'vertical', 'open', 3) g = directional_morphology(g, 'horizontal', 'open', 3) g = ndimage.binary_opening(g, structure=np.ones((3, 3))) return g

提示：形态学核大小和栅格分辨率强相关。如果你的栅格是 0.1 米一格，3x3 核相当于 0.3 米见方的操作范围，对细杆类障碍已经偏大了。核大小应该按“物理尺寸”而不是“格子数”来定，换分辨率时记得同步换算。

3.3 连通域分析：用物理常识给碎片“判死刑”

连通域分析的价值在于引入物理先验：一个真实障碍在栅格上的投影面积，不可能小于某个物理下限。比如一个行人，投影到地面至少也有 0.2 到 0.3 平方米；一根细杆虽然细，但高度方向是连续的。基于这个先验，我们可以把面积过小的连通块判为噪声直接剔除。

但这里有个坑：面积阈值不能一刀切。远处的小障碍在栅格上投影面积天然就小，如果你用一个固定的格子数阈值，近处的噪点可能因为膨胀而“变大”逃过一劫，远处的真障碍反而被误杀。正确做法是把面积阈值换算成物理面积，并且对距离做补偿——远处允许更小的物理面积下限，因为分辨率和遮挡导致的信息缺失是客观存在的。

from scipy import ndimage def remove_small_components(grid, min_area_m2, resolution): min_cells = max(1, int(min_area_m2 / (resolution ** 2))) labeled, num = ndimage.label(grid) if num == 0: return grid sizes = ndimage.sum(grid, labeled, range(1, num + 1)) keep = np.zeros(num + 1, dtype=bool) keep[1:] = sizes >= min_cells return keep[labeled]

除了面积，连通域的形状也能用来判噪声。比如长宽比极端异常的细长条，如果它不对应已知的杆状结构，很可能是边缘毛刺连成的假连通块。我一般会额外算一下每个连通块的紧致度（面积除以凸包面积），紧致度低于某个值的块标记为“可疑”，在安全模式下保留、精度模式下剔除。这个策略比单纯看面积稳得多。

3.4 时序融合：用历史投票压住闪烁

时序融合是五层里最“重”的一层，也是收益最明显的一层。核心思想很简单：当前帧的每个格子，不只看它自己，还要看它过去若干帧的状态，用加权投票决定最终状态。但简单思想背后有几个必须抠的细节。

第一个细节是运动补偿。如果传感器在动，历史帧的栅格和当前帧不在同一个坐标系，直接融合会把静止障碍“拖影”。所以融合前必须用位姿把历史帧变换到当前帧坐标系。这一步的精度直接决定融合质量，位姿估计有偏差时，融合反而会制造重影。我的经验是：位姿平移误差超过半个格子、旋转误差超过 1 度时，宁可不融合或者降低历史权重。

第二个细节是权重衰减。历史帧不能和当前帧等权，越久远的信息越不可信。常用的做法是指数衰减：w_t = decay^(t - t0)，decay 取 0.7 到 0.9。decay 太小，融合退化成单帧；太大，历史噪声固化。这个参数和帧率强相关，帧率高时可以取大一点，帧率低时取小一点。

第三个细节是占据与自由的非对称处理。障碍“出现”和“消失”的可信度是不一样的。一个格子从占据变自由，可能是障碍真的移走了，也可能是这一帧漏检；从自由变占据，可能是新障碍，也可能是噪声。安全导向下，我一般对“占据→自由”的转换更保守（需要连续多帧自由才确认），对“自由→占据”更敏感（一两帧占据就标记）。这个非对称策略能显著降低“障碍凭空消失”导致的危险。

class TemporalFusion: def __init__(self, decay=0.8, occ_thresh=0.5, free_confirm=3): self.decay = decay self.occ_thresh = occ_thresh self.free_confirm = free_confirm self.history = None self.free_count = None def update(self, current_prob, pose_delta=None): if self.history is None: self.history = current_prob.copy() self.free_count = np.zeros_like(current_prob, dtype=int) return current_prob > self.occ_thresh # pose_delta 非空时应先对 history 做坐标变换，此处省略具体变换 fused = self.decay * self.history + (1 - self.decay) * current_prob occ = fused > self.occ_thresh # 非对称：占据转自由需要连续确认 was_occ = self.history > self.occ_thresh now_free = ~occ self.free_count = np.where(was_occ & now_free, self.free_count + 1, 0) hold_occ = was_occ & (self.free_count < self.free_confirm) occ = occ | hold_occ self.history = np.where(occ, np.maximum(fused, self.occ_thresh), fused) return occ

3.5 结构化输出：别让下游替你擦屁股

最后一层经常被草草了事，但它决定了后处理成果能不能被下游“无损接收”。栅格图对规划器不友好，规划器要的是几何图元：包围盒、多边形、可通行走廊。这一步做得好，下游能省一大堆解析逻辑；做得糙，前面四层的努力会在接口处打折扣。

我的做法是输出两套东西：一套是精修后的占据栅格，给需要原始栅格的模块用；一套是结构化障碍列表，每个障碍带包围盒、朝向、置信度、以及“首次观测帧”和“最后观测帧”的时间戳。时间戳特别有用，下游可以据此判断障碍是稳定的还是刚出现的，从而调整避让策略。另外，可通行区域建议单独输出一个掩码，并且把“未知区域”和“已知自由区域”分开标记——规划器对未知区域的处理策略通常和自由区域不同，混在一起会出问题。

4. 实操过程与核心环节实现：从原始张量到可用结果

4.1 环境与输入约定

先把输入输出的约定固定下来，后面所有步骤都基于这个约定。假设模型输出是一个形状为(H, W)的浮点张量，值域经过 sigmoid 后在 0 到 1 之间，代表占据概率；栅格分辨率为res米/格；同时有一份位姿序列用于时序融合。这个约定看起来琐碎，但实际项目里输入格式五花八门，先把约定写进配置，能省掉大量“这个张量到底是 logits 还是 prob”的扯皮。

from dataclasses import dataclass @dataclass class PostConfig: resolution: float = 0.1 # 米/格 temperature: float = 1.2 # 校准温度 occ_thresh_safety: float = 0.40 occ_thresh_precision: float = 0.55 min_area_m2: float = 0.15 # 最小障碍物理面积 temporal_decay: float = 0.8 free_confirm_frames: int = 3 mode: str = 'safety'

4.2 完整流水线的串联实现

把前面几层串起来，形成一个可调用的函数。注意每一步之间打印中间统计量（占据格子数、连通块数、被剔除的碎片数），这些统计量是后面排查问题的第一手依据。

def occupancy_postprocess(prob_map, cfg: PostConfig, fusion: TemporalFusion = None): stats = {} # 1. 概率校准 prob = temperature_scale(np.log(prob_map / (1 - prob_map + 1e-9)), cfg.temperature) thresh = cfg.occ_thresh_safety if cfg.mode == 'safety' else cfg.occ_thresh_precision binary = prob > thresh stats['raw_occ_cells'] = int(binary.sum()) # 2. 空间滤波 filtered = spatial_filter(binary, mode=cfg.mode) stats['after_morph_cells'] = int(filtered.sum()) # 3. 连通域清理 cleaned = remove_small_components(filtered, cfg.min_area_m2, cfg.resolution) stats['after_component_cells'] = int(cleaned.sum()) # 4. 时序融合 if fusion is not None: cleaned = fusion.update(prob, pose_delta=None) stats['after_temporal_cells'] = int(cleaned.sum()) # 5. 结构化输出 labeled, num = ndimage.label(cleaned) obstacles = [] for i in range(1, num + 1): ys, xs = np.where(labeled == i) obstacles.append({ 'bbox': (xs.min(), ys.min(), xs.max(), ys.max()), 'area_m2': len(xs) * cfg.resolution ** 2, 'centroid': (xs.mean(), ys.mean()), }) stats['num_obstacles'] = len(obstacles) return cleaned, obstacles, stats

这段代码可以直接跑，但有几个地方需要根据实际数据微调。temperature_scale里我用了 logit 反变换，是因为校准参数是在 logits 上拟合的；如果你的模型直接输出概率，这一步要相应调整。pose_delta在示例里传了 None，实际使用时必须接上位姿变换，否则时序融合在移动平台上会出重影。

4.3 参数标定的实操记录

参数不是拍脑袋定的，我一般按这个流程标定。先固定形态学和连通域参数为保守值（核 3、面积下限取物理最小障碍），只调阈值，在验证集上画 precision-recall 曲线，找到满足安全要求的工作点。然后固定阈值，调形态学核大小，观察细障碍（细杆、栏杆）的保留率和噪点清除率的权衡。最后调时序参数，用一段连续序列看闪烁频率的变化。

这里有个实测经验值得记下来：时序融合的收益在帧率高时非常明显，帧率低于 5Hz 时收益急剧下降。原因是低帧率下相邻帧之间场景变化大，历史信息的参考价值降低，衰减系数不得不调小，融合就退化了。如果你的系统帧率本来就低，与其硬上时序融合，不如把精力放在单帧的空间滤波和连通域上。

另一个实测记录是关于阈值和形态学的耦合。我发现当阈值调低（更保守）时，形态学的开运算可以适当加强，因为低阈值引入的噪点更多，需要更强的空间压制来平衡；反之阈值调高时，形态学要减弱，否则真障碍被双重压制。这个耦合关系没有解析公式，只能靠网格搜索加人工看效果，但知道它存在，能让你调参时少走弯路。

5. 常见问题与排查技巧实录：那些文档里不会写的坑

5.1 典型问题速查表

5.2 三个踩过的坑与独家避坑技巧

第一个坑是校准和阈值的顺序搞反。早期我习惯先调阈值再校准，结果校准后最优阈值全变了，前面的调参白做。正确顺序一定是先校准概率、再定阈值，因为校准改变的是概率的语义，阈值是在语义确定之后才有意义的工作点。

第二个坑是连通域面积阈值用了格子数。换了一次栅格分辨率之后，同样的格子数阈值对应的物理面积翻了几倍，远处的行人全被当噪声删了，排查了大半天才反应过来。从那以后我所有和尺寸相关的参数一律用物理单位存储，代码里再换算成格子数，这个习惯救了我很多次。

第三个坑是时序融合没有区分“首次出现”和“持续存在”。早期版本里，新出现的障碍因为历史帧里没有，融合后概率被历史拉低，导致新障碍要好几帧才能被确认，反应迟钝。后来我给每个格子加了“首次观测帧”标记，新出现的格子直接跳过历史权重、以当前帧为准，确认速度立刻上来了。这个细节在安全场景里特别重要，因为突然出现的障碍恰恰是最危险的。

提示：排查 occupancy 后处理问题时，养成“逐层看中间结果”的习惯。把每一层输出的占据格子数、连通块数、可视化图都存下来，出问题时对比哪一层的统计量突变，比盯着最终结果瞎猜高效得多。

5.3 性能与实时性的权衡

后处理是实时链路的一环，性能不能不考虑。形态学和连通域在 numpy/scipy 下对中等分辨率栅格（比如 200x200）单帧耗时在毫秒级，问题不大；时序融合如果对全图做浮点运算，帧率高时可能成为瓶颈。我的优化手段是：融合只在“状态可能变化”的区域做，用当前帧和上一帧的差异掩码圈定更新范围，静止区域直接沿用历史结果。实测下来这个优化能把融合耗时压到原来的三分之一左右，而且对结果几乎没有影响，因为静止区域的融合结果本来就收敛了。

另一个性能细节是连通域分析的标签算法选择。scipy 的ndimage.label默认用四连通，如果你的障碍在斜对角相连的情况多，可能需要八连通，但八连通会把更多碎片连成大块，影响碎片清理效果。这个选择要和你的噪声特性匹配，没有绝对优劣。

6. 结构化输出与下游接口适配：让成果真正落地

6.1 包围盒、多边形与可通行掩码的取舍

结构化输出到底给什么格式，取决于下游吃什么。包围盒最通用，计算快，但对斜向障碍的贴合度差，会引入较多“虚假占据”；多边形贴合度高，但计算和传输成本大；可通行掩码最直接，规划器拿来就能用，但丢失了障碍的个体信息。我的实践是三样都给，按需取用：包围盒给需要快速粗筛的模块，多边形给需要精确避让的模块，可通行掩码给路径搜索模块。多输出一份数据的成本，远低于下游因为格式不对而自己写解析逻辑的成本。

这里有个容易被忽略的点：包围盒的朝向。轴对齐包围盒对斜向长条障碍会严重膨胀，一个 45 度摆放的窄障碍，轴对齐包围盒面积可能是真实面积的好几倍。如果下游用包围盒做碰撞检测，这种膨胀会导致过度保守。解决办法是对连通域做主成分分析，取主方向作为包围盒朝向，输出带朝向的旋转包围盒。这一步计算量不大，但对下游体验提升明显。

6.2 置信度与时间戳的传递

结构化输出里我最看重两个附加字段：置信度和时间戳。置信度不是简单的连通块平均概率，而是结合了面积、时序稳定性、以及历史观测次数的综合分。一个面积大、连续多帧稳定存在的障碍，置信度应该显著高于一个刚出现、面积小的障碍。下游可以据此做分级处理：高置信度障碍硬避让，低置信度障碍减速观察。

时间戳的价值前面提过，这里再强调一次：“最后观测帧”比“首次观测帧”更重要。一个障碍如果已经连续很多帧没被观测到，但还没达到删除条件，它的“最后观测帧”能让下游知道这个障碍可能已经消失但系统还在保守保留，从而在路径规划时留出余量而不是死等。这种细粒度的信息传递，是后处理从“能用”走向“好用”的关键。

6.3 接口稳定性与版本管理

后处理模块夹在感知和规划之间，它的输出格式一旦被下游依赖，改动成本就很高。我的经验是给输出结构加版本号，并且遵循“只增字段不删字段、不改字段语义”的原则。新增字段时给默认值，下游不关心可以忽略；确实要改语义时，新开一个字段名，旧字段保留一个过渡期。这个规矩听起来官僚，但实际项目里因为接口字段语义变更导致的联调事故，我见过不止一次，提前立规矩能省很多事。

另外，后处理的配置文件建议和模型版本绑定。不同的模型输出分布不同，校准温度和阈值往往需要跟着模型走。把后处理配置作为模型产物的附属文件一起管理，能避免“换了模型忘了换配置”这种低级但高频的错误。

7. 我个人在实际操作中的几点体会

这套 occupancy 后处理流水线，我从最早的单阈值加形态学，一路迭代到现在的五层结构，中间推翻重来了好几次。最大的体会是：后处理的上限由原始输出的质量决定，后处理能做的是把原始输出的潜力榨出来，而不是无中生有。如果原始 occupancy 在某个场景下系统性缺失某类障碍，后处理再怎么调也补不回来，这时候该回头查训练数据和模型结构，而不是在后处理里堆参数。

第二个体会是关于“够用”的判断。后处理的每一层都有成本，也都有副作用。不是层数越多越好，而是要看你的下游到底需要什么。如果下游只是个粗略的可通行判断，可能校准加连通域就够了；如果下游是精细避障，那时序融合和结构化输出才值得上。我见过为了“完整”把五层全上、结果每层都调不精的案例，不如按需裁剪、把用到的层调透。

最后分享一个我觉得最值钱的小习惯：给后处理建一个可视化回放工具。把原始栅格、每层中间结果、最终结构化输出叠在一起，支持逐帧回放和参数实时调整。调参的时候盯着回放看，比看离线指标直观得多，很多参数之间的耦合关系是靠眼睛看出来的，不是靠指标算出来的。这个工具的开发成本大概两三天，但它在整个项目周期里省下的调参时间，远远超过这个投入。