数据集和代码链接：https://github.com/zya3d/Awesome-3D-Occupancy-Prediction
本文介绍了基于视觉的自动驾驶三维占用预测：综述与展望。近年来，自动驾驶因其在缓解驾驶员负担和提高驾驶安全性方面的潜力而越来越受关注。基于视觉的3D占用预测是一种新兴的感知任务，适用于成本较低的自动驾驶感知系统，它可以根据图像输入来预测自动驾驶汽车周围三维体素网格的空间占用状态和语义。尽管很多研究已经证明，3D占用预测相比于以目标为中心的感知任务具有更大的优势，但是仍然缺乏专门针对这一快速发展领域的综述。本文首先介绍了基于视觉的三维占用预测的背景，并且讨论了该任务中的挑战。其次，本文从特征增强、部署友好性和标注效率三个方面全面调研了基于视觉的三维占用预测的进展，并且深入分析了每类方法的潜力和挑战。最后，本文总结了当前的研究趋势，并且提出了一些未来展望。
本文的主要贡献总结如下：
1）据我们所知，本文是首篇针对基于视觉的自动驾驶三维占用预测方法的全面综述；
2）本文从特征增强、计算友好性和标注高效性三个角度对基于视觉的三维占用预测方法进行结构化总结，并且对不同类别的方法进行深入分析和比较；
3）本文提出了基于视觉的三维占用预测的一些未来展望，并且提供了一个定期更新的github仓库来收集相关论文、数据集和代码。