返回项目页面
对比文件列表
2004-08-12_发明申请_US20040155175A1 Random access imaging sensor_+++C_F_I+++.docx
2026-02-23 17:34
2006-12-19_发明授权_US07151844B2 Image sensor method and apparatus having hardware implemented edge detection processing_+++B_c_f_i+++.docx
2026-02-23 17:34
2008-06-05_发明专利_JP2008131407A Solid-state imaging element and imaging apparatus using same_+++C_I_f+++.docx
2026-02-23 17:34
2011-04-07_发明专利_DE102008052930B4 Bildverarbeitender Sensor_+++c_f_i+++.docx
2026-02-23 17:34
2011-12-08_发明申请_US20110298755A1 MATRIX SENSOR_+++C_I_a_b_f+++.docx
2026-02-23 17:34
2012-06-07_发明申请_US20120138774A1 FOCAL PLANE ARRAY PROCESSING METHOD AND APPARATUS_+++C_D_F_I_a_b_e+++.docx
2026-02-23 17:34
2012-07-12_发明申请_WO2012093381A1 CAMERA ASSEMBLY WITH AN INTEGRATED CONTENT ANALYZER_+++C_F_I_a_b+++.docx
2026-02-23 17:34
2013-01-07_发明专利_JP2013003787A Object detection device_+++c_f_i+++.docx
2026-02-23 17:34
2013-02-28_发明申请_US20130054505A1 LIFE PATTERN DETECTION_+++F_a+++.docx
2026-02-23 17:34
2013-05-16_发明申请_US20130121590A1 EVENT DETECTION APPARATUS AND EVENT DETECTION METHOD_+++f+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A2 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++G_I_c_f+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A3 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++a_c_e_f_i+++.docx
2026-02-23 17:34
2014-05-01_发明申请_US20140118592A1 CMOS IMAGE SENSORS WITH FEATURE EXTRACTION_+++C_F_I_b+++.docx
2026-02-23 17:34
2014-05-08_发明申请_US20140125799A1 VEHICLE VISION SYSTEM_+++c_f_i+++.docx
2026-02-23 17:34
2014-05-29_发明申请_US20140149754A1 GESTURE DETECTION MANAGEMENT FOR AN ELECTRONIC DEVICE_+++F_c_i+++.docx
2026-02-23 17:34
2014-08-20_发明公开_CN103999025A 基于视觉的交互式投影系统_+++B_F_a_i+++.docx
2026-02-23 17:34
2014-10-30_发明申请_US20140320666A1 OBJECT DETECTION_+++C_F_I_a_b_e+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368423A1 METHOD AND SYSTEM FOR LOW POWER GESTURE RECOGNITION FOR WAKING UP MOBILE DEVICES_+++f_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368626A1 COMPUTER VISION APPLICATION PROCESSING_+++C_F_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368712A1 IMAGE ADJUSTMENT APPARATUS AND IMAGE SENSOR FOR SYNCHRONOUS IMAGE AND ASYNCHRONOUS IMAGE_+++F_I_J_c+++.docx
2026-02-23 17:34
haoma_+++B_C_D_G_I_e_f+++.docx
2026-02-23 17:34
weixianzai_+++A_B_C_D_E_F_G_I_J+++.docx
2026-02-23 17:34
2011-04-07_发明专利_DE102008052930B4 Bildverarbeitender Sensor_+++c_f_i+++.docx

对比文件名称:2011-04-07_发明专利_DE102008052930B4 Bildverarbeitender Sensor

目标专利名称:144基于事件的计算机视觉计算CN106716441B

本次调用模型名称:GPT-4

### 特征比对表格

技术特征描述以及公开性判断结果对比文件原文引用公开性论述
**技术特征A**:比较使用计算机视觉CV特征计算硬件计算的与传感器元件阵列的主体传感器元件相关联的先前局部CV特征与使用所述CV特征计算硬件计算的与所述主体传感器元件相关联的当前局部CV特征。 <br> **判断结果**:未被直接公开或隐含公开。说明书第2段:“In dem FPGA, das heißt in der Hardware-Rechnereinheit 3 erfolgt zunächst der Bildeinzug, das heißt das Einlesen der Bilddaten eines Bildes mit dem Werkstück. Das Originalbild wird im lokalen Bildspeicher 9 zwischengespeichert, so dass es zu einem späteren Zeitpunkt wieder aus diesem ausgelesen werden kann um damit weitere Bearbeitungen durchzuführen.” <br> (译文:在FPGA,也就是硬件计算单元3中,首先进行图像采集,即读取带有工件的图像数据。原始图像被缓存在本地图像存储器9中,以便可以在稍后时间再次从中读取以进行进一步处理。)**论述**:对比文件公开了将原始图像存储在本地存储器中,并可以在后续再次读取以进行进一步处理(例如解码)。这涉及对同一图像区域在不同时间点的处理。然而,目标专利权利要求中的“比较”特指针对**同一主体传感器元件**,使用其自身及相邻读数计算出的**局部CV特征**(如LBP标记)在**先前**与**当前**两个时间点上的比较,并基于此比较产生事件。对比文件的处理流程是:首次处理(BLOB分析)确定工件位置,然后从存储器重新读取原始图像进行第二次处理(解码)。这两次处理的目标(BLOB分析 vs. 解码)和输出的数据(工件参数 vs. 解码结果)不同,并非是对同一类型、针对同一像素/局部区域的CV特征进行前后比较以检测变化。因此,本领域技术人员无法从对比文件毫无疑义地得出,或通过合理推断得出特征A所限定的“先前局部CV特征与当前局部CV特征的比较”这一特定技术方案。
**技术特征B**:,其中对于所述先前局部CV特征和所述当前局部CV特征,所述CV特征计算硬件使用来自所述主体传感器元件的各个读数和来自与所述主体传感器元件相邻的传感器元件的各个读数来计算所述各个CV特征,<br> **判断结果**:未被直接公开或隐含公开。说明书第2段:“… eine BLOB-(Binarized large object)Analyse eingesetzt, … Bei dieser BLOB-Analyse erfolgt eine Bildverarbeitung derart, dass Objekte oder Objektmerkmale von einem Hintergrund oder anderen Objekten separiert werden. Ein BLOB oder ein Objekt ist dabei durch einen Satz von Pixeln des Bildes definiert, die untereinander zusammenhängen und sich von einem Hintergrund unterscheiden.” <br> (译文:…采用了一种BLOB(二值化大对象)分析…在这种BLOB分析中,进行图像处理,将对象或对象特征与背景或其他对象分离。一个BLOB或一个对象由图像中一组相互连接并与背景不同的像素定义。)**论述**:对比文件公开了BLOB分析,这是一种基于图像像素值的特征提取方法,用于识别和定位对象。它隐含了需要处理图像中多个像素(可能包括相邻像素)的数据。然而,目标专利特征B明确限定了CV特征(如LBP标记)的计算方式:**必须**使用来自**主体传感器元件**的读数**以及**来自其**相邻传感器元件**的读数。这是一种特定的、定义明确的局部特征描述符计算方法。对比文件虽然进行了图像处理(如二值化、形态学处理、BLOB分析),但并未具体公开或描述其使用的算法是基于“主体像素及其相邻像素的读数”来计算类似LBP或HSG的“局部CV特征”。本领域技术人员无法从对比文件中必然地、合理地推断出这一具体的计算输入限定。因此,特征B未被对比文件公开。
**技术特征C**:以及其中:所述传感器元件阵列包括多个传感器元件,所述多个传感器元件至少沿着所述传感器元件阵列的第一维度和第二维度布置,像素包括所述主体传感器元件和像素内电路,<br> **判断结果**:**隐含公开(c)**说明书第1段:“Der Vision-Sensor 1 weist einen Bildaufnehmer 2 auf, der aus einer Kamera in Form eines CMOS-Sensors oder dergleichen sowie einer vorgeordneten Optik besteht.” <br> (译文:视觉传感器1具有一个图像采集器2,该采集器由CMOS传感器或类似形式的相机以及前置光学元件组成。)<br>说明书第1段末尾:“In dem Bildaufnehmer 2 generierte Bilddaten …” <br> (译文:在图像采集器2中生成的图像数据…)**论述**:对比文件公开了视觉传感器包含图像采集器(Bildaufnehmer),其形式为CMOS传感器。CMOS图像传感器是本领域公知的,其基本结构必然包括在二维(行和列)上排列的多个感光元件(传感器元件)的阵列,每个感光单元通常被称为一个像素。一个像素通常包括感光元件(如光电二极管)和用于读出、放大等功能的电路。因此,虽然对比文件未明确使用“传感器元件阵列”、“第一维度和第二维度”、“像素包括主体传感器元件和像素内电路”这些措辞,但本领域技术人员在阅读对比文件后,能够毫无疑义地理解其所使用的CMOS传感器必然具备这些基本结构和组成。因此,特征C被对比文件隐含公开。
**技术特征D**:以及<br>所述CV特征计算硬件被实施为所述像素内电路的一部分<br> **判断结果**:未被直接公开或隐含公开。说明书第1段:“… eine Hybrid-Rechnerarchitektur, die eine Hardware-Rechnereinheit 3 und eine Software-Rechnereinheit 4 umfasst. Die Hardware-Rechnereinheit 3 ist im vorliegenden Fall von einem FPGA gebildet. … Die Software-Rechnereinheit 4 ist im vorliegenden Fall von einem DSP gebildet.” <br> (译文:…一种混合计算架构,包括一个硬件计算单元3和一个软件计算单元4。硬件计算单元3在本例中由FPGA构成。…软件计算单元4在本例中由DSP构成。)**论述**:对比文件明确公开了其图像处理功能由分离的、位于传感器外部的专用硬件单元(FPGA)和软件单元(DSP)协作完成。FPGA作为硬件计算单元,负责图像采集、预处理(如二值化、形态学处理)和初步的BLOB搜索。目标专利特征D要求“CV特征计算硬件被实施为像素内电路的一部分”,这意味着计算逻辑(至少是CV特征计算部分)需要集成在每个像素内部,实现高度并行的、像素级的处理。这与对比文件所公开的、在像素阵列之外的独立FPGA芯片上进行集中式处理的架构有本质区别。本领域技术人员无法从对比文件中推断出将CV计算硬件集成到每个像素内部的技术方案。因此,特征D未被对比文件公开。
**技术特征E**:基于所述比较来产生与所述主体传感器元件相关联的事件,所述事件包括所述主体传感器元件的位置和特征有效负载,所述特征有效负载包括表示与所述主体传感器元件相关联的所计算的当前局部CV特征的多个位<br> **判断结果**:未被直接公开或隐含公开。说明书第2段:“Schließlich erfolgt über den Kommunikations-Controller 8 die Ausgabe einer Ausgabegröße, die im einfachsten Fall von einer Gut-/Schlecht-Information, das heißt der Angabe, ob der Datamatrix-Code 17 auf dem Werkstück erkannt wurde oder nicht, gebildet ist.” <br> (译文:最后,通过通信控制器8输出一个输出量,在最简单的情况下,该输出量由好/坏信息构成,即表示工件上的Datamatrix码17是否被识别。)<br>说明书第1段:“… so dass Bilddaten vom Bildaufnehmer in die Hardware-Rechnereinheit und von der Hardware-Rechnereinheit in die Software-Rechnereinheit übertragbar sind.” <br> (译文:…使得图像数据可以从图像采集器传输到硬件计算单元,并从硬件计算单元传输到软件计算单元。)**论述**:对比文件公开了处理结果的输出(如“好/坏信息”)以及图像数据在组件间的传输。然而,目标专利特征E定义了一种特定类型的“事件”产生机制:1)触发条件是**基于局部CV特征的比较结果**;2)事件内容**必须包括主体传感器元件的精确位置**;3)还必须包括一个“特征有效负载”,该负载是**用多个位表示的当前局部CV特征本身**(例如LBP码)。对比文件的输出是针对整个图像处理流水线(BLOB分析+解码)的最终宏观结果(如解码成功与否),它并非由像素级或局部区域的特征变化触发,也不包含特定像素的位置及其局部特征描述符的位表示。因此,特征E所限定的技术方案在对比文件中既未直接描述,也无法通过合理推断得出。
**技术特征F**:以及将所述事件发送至处理器。<br> **判断结果**:**隐含公开(f)**说明书第1段:“In der Software-Rechnereinheit 4 wird dabei eine Ausgabegröße generiert, die über einen Kommunikations-Controller 8 als Schnittstellenelement ausgebbar ist.” <br> (译文:在软件计算单元4中,生成一个输出量,该输出量可以通过作为接口元件的通信控制器8输出。)<br>说明书第2段:“Dann erfolgt als erster Schritt der BLOB-Analyse im FPGA das Suchen nach relevanten BLOBs … Schließlich erfolgt die Übergabe der BLOBs an den DSP, das heißt die Software-Rechnereinheit 4, zu deren weiteren Bearbeitung.” <br> (译文:然后,在FPGA中作为BLOB分析的第一步,搜索相关的BLOB…最后,将BLOB传递给DSP,即软件计算单元4,以供进一步处理。)**论述**:对比文件多次描述了数据处理单元(如FPGA)将中间结果(如BLOB数据)或最终结果(输出量)传递到另一个处理单元(如DSP)或通过接口输出。目标专利特征F中的“处理器”可广义地理解为接收并处理数据的处理单元。虽然对比文件传输的数据内容(BLOB数据、解码结果)与目标专利的“事件”(包含位置和特征有效负载)不同,但“将数据/结果从一个单元发送至另一个处理单元”这一基本数据传输动作已被对比文件公开。本领域技术人员可以理解,如果对比文件的系统产生了如特征E所定义的事件,那么将其发送至一个处理器是必然的、隐含的后续步骤。因此,特征F被隐含公开。
**技术特征G**:其中所述局部化CV特征包括局部二值模式LBP标记或所述LBP标记的变体。<br> **判断结果**:未被直接公开或隐含公开。无相关引用。**论述**:对比文件全文未提及“局部二值模式(LBP)”、“LBP标记”或其任何变体。其使用的图像处理算法明确为BLOB分析、二值化、形态学处理以及Datamatrix码解码。LBP是一种特定的纹理特征描述符,与对比文件所公开的算法不同。本领域技术人员无法从对比文件的内容中推理出使用LBP或其变体作为局部CV特征。因此,特征G未被公开。
**技术特征H**:其中所述局部化CV特征包括带正负号梯度直方图HSG标记。<br> **判断结果**:未被直接公开或隐含公开。无相关引用。**论述**:对比文件全文未提及“带正负号梯度直方图(HSG)标记”。HSG是另一种特定的特征描述符。本领域技术人员无法从对比文件的内容中推理出使用HSG标记作为局部CV特征。因此,特征H未被公开。
**技术特征I**:其中所述传感器元件阵列是视觉传感器并且所述传感器元件阵列的所述多个传感器元件中的每一个包括至少一个光电二极管。<br> **判断结果**:**隐含公开(i)**说明书第1段:“Der Vision-Sensor 1 weist einen Bildaufnehmer 2 auf, der aus einer Kamera in Form eines CMOS-Sensors oder dergleichen sowie einer vorgeordneten Optik besteht.” <br> (译文:视觉传感器1具有一个图像采集器2,该采集器由CMOS传感器或类似形式的相机以及前置光学元件组成。)**论述**:对比文件明确其设备为“视觉传感器”(Vision-Sensor),并指出图像采集器是CMOS传感器。CMOS图像传感器是本领域最常用的视觉传感器之一,其每个像素的核心感光元件通常就是光电二极管。因此,虽然对比文件未明确写出“每个传感器元件包括至少一个光电二极管”,但这是实现CMOS图像传感器感光功能的公知常识和必然技术手段。本领域技术人员能够直接且毫无疑义地确定对比文件的视觉传感器其像素包含光电二极管。因此,特征I被对比文件隐含公开。
**技术特征J**:其中所述事件是使用动态视觉传感器DVS电路产生的。<br> **判断结果**:未被直接公开或隐含公开。无相关引用。**论述**:对比文件全文未提及“动态视觉传感器(DVS)电路”。DVS是一种特殊类型的传感器,其工作原理是基于像素亮度的变化(事件)来异步输出数据,而非传统的基于帧的同步读出。对比文件描述的是传统的基于帧的CMOS传感器,其图像数据是周期性读取并传输至FPGA进行处理。两者工作原理和架构不同。本领域技术人员无法从对比文件的内容中推理出使用DVS电路来产生事件。因此,特征J未被公开。

<<<c>>><<<f>>><<<i>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE