对比文件名称：US9886774B2_Description_20260218_1721
目标专利名称：使用位置数据和图像数据的缩放空间表示进行物件检测CN107111752B
本次调用的模型名称：DeepSeek最新版本模型
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：其包括：存储器** <br>《隐含公开》 | [0061] ...a non-transitory computer-readable storage medium 183 has photogrammetry instructions and data structures of the present invention stored thereon. <br>（一种非暂时性计算机可读存储介质183，其上存储有本发明的摄影测量指令和数据结构。） | 对比文件明确提到了“非暂时性计算机可读存储介质”，该介质用于存储指令和数据结构。本领域技术人员知晓，任何能够执行指令的处理器或系统都必须配备用于存储指令和数据的存储装置（即存储器）。因此，对比文件隐含公开了执行其方法所必需的“存储器”。 |
| **技术特征B：处理器，其经配置以：接收与物件相关联的位置数据** <br>《未公开》 | 未找到相关内容。 | 对比文件全文主要涉及从图像中生成三维数字表示的摄影测量方法，其输入是重叠的二维图像。虽然提到从图像中提取三维信息，但并未提及接收与待检测“物件”相关联的、独立于图像数据的“位置数据”。对比文件中的“位置”通常指相机姿态或场景点的三维坐标，而非用于辅助物件检测的、与物件相关联的独立位置数据流。因此，该特征未被公开。 |
| **技术特征C：接收来自图像传感器的场景的图像数据，所述场景包含所述物件，所述图像数据与所述场景的多个缩放空间表示相关联，所述多个缩放空间表示包括第一缩放空间表示和第二缩放空间表示** <br>《未公开》 | [0022] An exemplary method comprises receiving a plurality of 2D digital images of the scene, where at least one object of interest is present in the scene. <br>（一种示例性方法包括接收场景的多个2D数字图像，其中场景中至少存在一个所关注物件。）<br>[0026] The overlapping 2D digital images used in the present invention can be obtained from a single image-capture device. <br>（本发明中使用的重叠2D数字图像可以从单个图像捕获设备获得。） | 对比文件确实公开了从图像传感器（图像捕获设备）接收包含物件的场景的图像数据（多个2D数字图像）。然而，对比文件完全没有提及“缩放空间表示”这一概念。目标专利中的“缩放空间表示”特指同一场景在同一视野下、具有不同分辨率（例如通过降采样获得）的多个图像版本，用于在不同距离下有效检测物件。对比文件处理的是同一组原始分辨率（或视频帧）的图像，以通过运动恢复结构（SfM）算法生成3D模型，并未生成或关联多个不同分辨率的图像表示。因此，“图像数据与多个缩放空间表示相关联”这一核心特征未被公开。 |
| **技术特征D：，其中所述第一缩放空间表示和所述第二缩放空间表示与在同一方向上距图像传感器的不同距离和所述场景的同一视野的不同分辨率图像相关联** <br>《未公开》 | 未找到相关内容。 | 该特征是对“缩放空间表示”的进一步限定，明确其与距传感器的不同距离和同一视野下的不同分辨率相关联。如上所述，对比文件未公开“缩放空间表示”的概念，更未公开其与距离和分辨率的这种特定关联。因此，该特征未被公开。 |
| **技术特征E：基于由所述位置数据指示的区和与所述场景的所述多个缩放空间表示中的一个或多个相关联的一个或多个区域的重叠而识别所述场景的所述多个缩放空间表示中的所述一个或多个的子区的搜索区域** <br>《未公开》 | 未找到相关内容。 | 该特征描述了基于位置数据指示的“区”与缩放空间表示的“区域”之间的重叠来识别“搜索区域”的核心方法。对比文件既未公开独立的“位置数据”来指示区，也未公开“缩放空间表示”。其整个处理流程是基于图像特征（点、线）的匹配和跟踪来恢复3D结构，并未引入外部位置数据来限定搜索区域。因此，该特征未被公开。 |
| **技术特征F：以及检测在所述多个缩放空间表示中的所述一个或多个的所述搜索区域中的所述物件。** <br>《未公开》 | [0104] ...SLAM is a method that used in robotic navigation where a robot or autonomous vehicle estimates its location relative to its environment, while simultaneously avoiding any dangerous obstacles. <br>（SLAM是一种用于机器人导航的方法，机器人或自主车辆估计其相对于环境的位置，同时避开任何危险障碍物。） | 对比文件在SLAM应用背景下提到了“避开障碍物”，这隐含了需要对环境中的物体（障碍物）有所感知。然而，这种感知是基于从图像中恢复的3D点云/地图进行导航和避障，其目的和方式与目标专利中在特定“缩放空间表示”的特定“搜索区域”内执行“物件检测”有本质不同。目标专利的检测是为了识别和定位特定物件（如行人），而对比文件的避障是基于已建立的几何地图。最关键的是，该检测动作所依赖的前置条件（基于位置数据和缩放空间表示重叠的搜索区域）在对比文件中完全不存在。因此，该特征未被公开。 |
| **技术特征G：其中所述搜索区域对应于与所述第一缩放空间表示相关联的第一区域和由所述位置数据指示的所述区的所述重叠。** <br>《未公开》 | 未找到相关内容。 | 该特征是对搜索区域具体构成的进一步限定。由于对比文件未公开“位置数据指示的区”、“缩放空间表示的区域”以及基于它们重叠的“搜索区域”识别方法，因此该限定特征自然也未被公开。 |
| **技术特征H：其中所述处理器进一步经配置以产生所述搜索区域的掩模，所述掩模包括多个区，且其中所述多个区中的每一个对应于与所述图像数据相关联的一个或多个像素且对应于指示在相应区中检测到所述物件的概率的值。** <br>《未公开》 | 未找到相关内容。 | 对比文件未提及为搜索区域生成“掩模”（mask），更未提及掩模中不同区域对应不同检测概率值。目标专利的掩模用于概率化地指导搜索，是对搜索区域的精细化处理。该特征未被公开。 |
| **技术特征I：其中所述处理器经配置以确定与所述第二缩放空间表示相关联的第一区域是否和由所述位置数据指示的所述区重叠。** <br>《未公开》 | 未找到相关内容。 | 该特征涉及判断特定缩放空间表示是否与位置数据区重叠。由于对比文件未公开“缩放空间表示”和用于物件检测的独立“位置数据”，因此该判断步骤未被公开。 |
| **技术特征J：其中所述处理器进一步经配置以在所述物件的检测前，确定与所述第一缩放空间表示相关联的第二区域是否与由所述位置数据指示的所述区重叠。** <br>《未公开》 | 未找到相关内容。 | 与特征I类似，该特征涉及对另一缩放空间表示的重叠判断。基于相同理由，该特征未被公开。 |
| **技术特征K：其中所述第一缩放空间表示对应于所述场景的第一分辨率图像，所述第二缩放空间表示对应于所述场景的第二分辨率图像，且其中所述第二分辨率图像为比所述第一分辨率图像的分辨率低的图像。** <br>《未公开》 | 未找到相关内容。 | 该特征明确了缩放空间表示是不同分辨率的图像，且第二分辨率低于第一分辨率。对比文件未涉及生成或使用同一场景不同分辨率的图像表示。因此，该特征未被公开。 |
| **技术特征L：其进一步包括位置传感器，其中所述处理器经配置以从所述位置传感器接收所述位置数据。** <br>《未公开》 | [0090] ...the image-capture device displacement is extracted from data that inertial sensors (e.g., accelerometer and gyroscope) in the image-capture device. <br>（图像捕获设备的位移是从图像捕获设备中的惯性传感器（例如加速度计和陀螺仪）的数据中提取的。） | 对比文件提到了图像捕获设备中可以包含惯性传感器（如加速度计、陀螺仪），用于估计设备位移以解决尺度模糊问题。然而，这些传感器用于辅助运动估计和3D重建，其数据性质和作用与目标专利中用于指示物件可能存在的“区域”或“位置”的“位置数据”不同。目标专利的位置数据（如雷达、GPS、3D地图区域）直接与外部场景中的物件相关联，而非用于计算相机自身的运动。此外，对比文件并未明确将这些传感器称为“位置传感器”，也未描述处理器从这样的“位置传感器”接收用于物件检测的“位置数据”。因此，该特征未被公开。 |
| **技术特征M：其中所述位置传感器包括雷达装置、光检测与测距装置、全球定位系统GPS装置、超声波装置、专用短程通信装置，或其任一组合。** <br>《未公开》 | 未找到相关内容。 | 对比文件未提及任何雷达、激光雷达、GPS、超声波或DSRC等具体类型的位置传感器。因此，该特征未被公开。 |
| **技术特征N：其中所述处理器经配置以从位置传感器接收所述位置数据，所述位置传感器与所述设备分离。** <br>《未公开》 | 未找到相关内容。 | 对比文件未提及从与设备分离的外部位置传感器接收位置数据。因此，该特征未被公开。 |
| **技术特征O：其中所述位置数据对应于指示所述物件可存在于何处的三维3D地图的一个或多个区域，且其中所述3D地图包括与所述物件的检测相关联的指示。** <br>《隐含公开》 | [0103] In some embodiments, the methodology herein is utilized in conjunction with navigation utilized for robots, unmanned autonomous vehicles and the like where such navigation utilizes image-capture devices therein. In one example, the present invention can be incorporated with Simultaneous Localization And Mapping (“SLAM”). <br>（在一些实施例中，本文中的方法结合用于机器人、无人自主车辆等的导航使用，这种导航利用其中的图像捕获设备。在一个示例中，本发明可以与同步定位与地图构建（“SLAM”）结合。）<br>[0104] ...SLAM is a method that used in robotic navigation where a robot or autonomous vehicle estimates its location relative to its environment, while simultaneously avoiding any dangerous obstacles. <br>（SLAM是一种用于机器人导航的方法，机器人或自主车辆估计其相对于环境的位置，同时避开任何危险障碍物。） | 对比文件明确将本发明的方法与SLAM（同步定位与地图构建）结合使用。SLAM的核心成果之一就是生成环境的3D地图。在导航和避障的上下文中，该3D地图必然包含对环境中物体（即“障碍物”，可视为待检测或避开的“物件”）存在位置的几何指示。本领域技术人员可以理解，为了避障，机器人需要知道障碍物（物件）可能存在于地图中的哪些区域。因此，对比文件隐含公开了“位置数据对应于指示物件可存在于何处的三维(3D)地图的一个或多个区域，且该3D地图包括与物件检测相关联的指示”这一特征，尽管其应用场景（机器人导航避障）与目标专利（运载工具行人检测等）可能不同，但“基于3D地图区域来指示物件可能存在”的技术手段是相同的。 |
| **技术特征P：其进一步包括处理器，其中所述位置数据也与由位置传感器提供的所述物件的位置相关联。** <br>《未公开》 | 未找到相关内容。 | 该特征限定了位置数据还与由位置传感器提供的物件位置相关联。对比文件在SLAM部分虽然涉及地图，但未明确提及该地图数据（作为位置数据）与由独立的“位置传感器”（如特征L、M所述）提供的物件位置相关联。特征O的隐含公开是基于SLAM生成的地图本身来指示物件区域，并未引入外部位置传感器提供的物件位置。因此，该特征未被公开。 |
| **技术特征Q：其进一步包括所述图像传感器，其中所述图像传感器包括相机。** <br>《直接公开》 | [0026] The overlapping 2D digital images used in the present invention can be obtained from a single image-capture device. Still further, the single image-capture device is a video camera. <br>（本发明中使用的重叠2D数字图像可以从单个图像捕获设备获得。更进一步地，该单个图像捕获设备是视频相机。）<br>[0092] ...image-capture devices in use today are integrated into mobile devices such as “smartphones,” mobile telephones, “tablets,” ... <br>（当今使用的图像捕获设备被集成到移动设备中，例如“智能手机”、移动电话、“平板电脑”……） | 对比文件多次明确提及“图像捕获设备”（image-capture device），并具体指出可以是“视频相机”（video camera）或集成在智能手机等设备中的相机。这直接公开了设备包括图像传感器，且该图像传感器是相机。 |
<<<a>>><<<Q>>>