OCC感知模型的核心是一个卷积神经网络，它的输入是一张或多张摄像头拍摄的道路图像，输出是一个三维的占用网格，表示图像中的障碍物的空间分布。卷积神经网络的作用是将图像中的像素信息转化为三维的空间信息，从而实现对障碍物的检测和分割。
为了训练这个卷积神经网络，极越汽车和百度利用了大量的真实场景数据，包括高速公路、城市道路、乡村道路等各种复杂的道路环境，以及各种天气、光照、季节等不同的条件。通过对这些数据的标注和处理，生成了大量的训练样本，用于训练卷积神经网络的参数，使其能够适应各种复杂的场景。
在训练完成后，OCC感知模型就可以部署到极越汽车的智能驾驶系统中，与其他的视觉算法和控制算法相结合，实现对通用障碍物边界的识别和避让。具体来说，当车辆行驶在道路上时，摄像头会不断地拍摄道路图像，并将其输入到OCC感知模型中，得到一个三维的占用网格，表示图像中的障碍物的空间分布。然后，根据这个占用网格，智能驾驶系统会判断是否需要对障碍物进行避让，以及如何进行避让。如果需要避让，智能驾驶系统会通过控制车辆的转向、加速、刹车等动作，实现对障碍物的安全、平稳、自然的避让。
据极越汽车官方介绍，OCC感知模型的引入，使得极越汽车的智能驾驶系统在复杂道路环境中的应对能力得到了显著的提升，尤其是在高速公路、施工路段等场景中，能够有效地识别和避让栅栏、护栏等通用障碍物边界，提升了行车的安全性和舒适性。同时，OCC感知模型也为极越汽车的智能驾驶系统提供了更多的灵活性和选择性，使得车辆可以根据不同的路况和用户的偏好，进行更合理的路径规划和动作控制。