随着自动驾驶向高阶智驾演进、具身智能机器人加速落地，传统 3D 框标注、点云实例标注的局限性日益凸显。面对遮挡目标、异形障碍物、开放场景未知物体，基于目标检测范式的标注体系极易出现漏检、误判。

OCC（Occupancy，占据栅格）标注应运而生，成为 BEV 感知、4D 时空预测模型训练不可或缺的数据基础设施。苏州核数聚信息科技有限公司依托自研全链路数据平台，打造标准化、工程化 OCC 标注服务，为自动驾驶、移动机器人客户提供高密度三维空间真值数据，破解行业感知数据生产难题。

一、什么是 OCC 标注：从 “识别物体” 到 “理解整个三维空间”

传统 3D 标注思路是识别预设类别物体，通过 3D 包围框框出行人、车辆等目标，只关注可见实体。而 OCC 标注实现范式升级：将传感器采集范围内三维空间离散为无数体素（立方体栅格），逐一体素标注占据状态、语义类别、动态属性、置信度，构建完整稠密三维占用地图。

简单理解：传统标注是 “找出路上有什么”，OCC 标注是 “扫描整片空间，明确哪一块区域被占用、哪一块可以通行”。

• 覆盖范围：支持自定义空间区间，常见前向 120m、侧向 ±50m、高度 - 1m~5m；
• 分辨率灵活可调：0.1m/0.2m/0.5m 体素粒度，适配高速、城区、园区泊车等不同场景；
• 标签体系：区分静态道路结构、动态交通参与者、未知障碍物、可行驶区域；
• 核心优势：兼容开放集障碍，能够识别落石、倒伏树枝、施工杂物等训练集未定义异形物体，解决遮挡场景空间补全难题。

OCC 真值数据直接支撑三大核心任务：BEV 稠密语义感知、三维环境重建、轨迹预测与路径规划，是高阶自动驾驶、服务机器人、无人园区车实现安全自主决策的关键训练素材。

二、行业痛点：OCC 标注落地难在哪里？

OCC 标注价值明确，但规模化生产长期面临多重挑战：

1. 标注体量巨大：单帧场景体素数量可达数十万级，纯人工标注耗时极长，交付周期难以满足车企迭代节奏；
2. 多模态融合难度高：需要对齐图像、激光点云、IMU、GPS 时序数据，跨传感器视角一致性校验门槛高；
3. 精度要求严苛：体素边界、遮挡区域虚实区分极易产生误差，微小偏差直接影响模型收敛效果；
4. 标准化缺失：不同算法厂商标签规范、输出格式不统一，缺少可复用工程化流水线；
5. 成本压力突出：全人工模式成本居高不下，中小研发团队难以大规模采集生产 OCC 数据集。

想要释放 OCC 技术潜力，必须依靠技术平台重构标注生产流程，而非单纯依靠扩充标注人力。

三、核数聚 OCC 标注解决方案：依托全栈 AI 数据能力实现提质增效

作为国内领先的人工智能多模态数据服务商，核数聚深耕智驾与具身智能数据赛道多年，依托自研Nebula Studio 全链路数据平台，落地 “AI 预标注 + 人工精修 + 多层级智能质检” 人机协同 OCC 标注体系，打通数据采集、预处理、OCC 标注、质检、标准化输出全流程。

1. AI 预标注先行，大幅降低人工负荷

平台内置 OCC 自动化预标注引擎，融合雷视融合数据，自动生成基础体素占用标签，完成 80% 以上标准化区域标注工作。将单场景标注时长从数小时压缩至数十分钟，从源头缓解人力压力。支持跨帧目标跟踪、时序体素状态联动标注，适配 4D Occupancy 时序预测数据集生产。

2. 多模态联合标注，保障空间一致性

核数聚原生支持图像 + 激光点云多源数据联动标注，标注人员可在 2D 视图、3D 点云视图之间实时切换对照，统一校准体素边界。针对逆光、雨雾、远距离遮挡等复杂工况，建立专项标注规范，解决单一传感器视角带来的歧义问题，交付数据准确率稳定达到 99.5% 工业标准。

3. 灵活定制标签与输出格式

根据客户算法框架（Occupancy Network、BEV-Occ 等）定制体素分辨率、语义分类体系、动态 / 静态区分规则；支持主流开源与自研模型兼容的数据格式输出，省去客户二次转换成本，实现标注数据 “拿来即可训练”。覆盖城市道路、高速路段、封闭园区、地下停车场、室内机器人场景。

4. 闭环质控体系，构建数据可信底座

建立 “标注员自审→初审专员复核→算法交叉抽检→项目终验” 四级质控流程，搭配平台内置自动一致性校验工具，自动识别体素冲突、标签跳变、时空逻辑异常。同时落实全流程数据溯源、数据脱敏、隐私合规管理，满足车企、机器人企业数据安全规范要求。

5. 依托完整业务生态，提供一站式配套

核数聚不止提供标注服务，可配套提供实车多模态数据采集、仿真数据生成、数据集清洗、数据增强全链条服务。客户可实现 “采集 — 标注 — 评测” 一体化交付，无需对接多家供应商，大幅简化项目管理。服务覆盖头部自动驾驶企业、机器人研发公司、高校科研机构，具备大规模项目稳定交付能力。

四、应用落地：OCC 标注如何赋能产业升级

1. 高阶自动驾驶（L2+/L4）城市 NOA、自动泊车场景下，依靠 OCC 稠密空间感知识别路沿、隔离桩、临时障碍物，减少传统目标检测漏检风险，提升复杂路口、拥堵路段通行安全性。
2. 室内外移动机器人 / 具身智能巡检机器人、配送机器人依靠三维占用地图理解室内桌椅、临时堆放杂物等开放环境障碍物，实现无预先地图情况下自主避障。
3. 算法研发与模型迭代高质量 OCC 真值数据集用于 BEV 感知模型训练、消融实验、模型评测，快速定位感知缺陷，加速纯视觉方案、多传感器融合方案迭代。

五、结语

从 2D 框、3D 实例框走向稠密体素 OCC，是机器感知从 “目标识别” 迈向 “空间理解” 的重要转折点。高质量 OCC 标注数据，已经成为智能驾驶与具身智能产业竞争的核心生产资料。

核数聚持续以技术驱动数据生产变革，依托自研平台、标准化工程流程与专业标注团队，持续优化 OCC、VLA、4D 多模态融合等高复杂度标注能力。未来，核数聚将持续深耕三维感知数据赛道，持续完善虚实融合数据生产能力，以可靠、高效、低成本的数据服务，助力更多 AI 企业攻克空间感知技术难关，加速智能系统从实验室走向规模化落地。