**对比文件名称**：发明申请_US20160189004A1 METHOD AND APPARATUS FOR OBJECT IDENTIFICATION AND LOCATION CORRELATION BASED ON RECEIVED IMAGES
**特征比对表格**
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **A. 接收对应于第一行程的第一组对象数据；**<br>**《隐含公开》** | 说明书第[0031]段：“The map server 102 may receive one or more images from the camera 112 or from the image database 106. Additionally or alternatively, the map server 102 or image database 106 may receive the one or more images from a camera 112 associated with the UE 104.”<br>说明书第[0043]段：“The camera reporting occurrences may be associated with a single camera 110 at different reporting occurrences, such as different days, hours apart, or the like, or associated with two or more cameras.” | 对比文件公开了从相机或数据库接收包含至少一个对象（如交通标志）的图像数据（即对象数据）。这些图像数据可以来自不同时间（如不同天、不同小时）或不同相机，这隐含了数据可以对应于不同的行程（例如，车辆在不同时间经过同一地点）。在对比文件中，接收这些图像数据是为了后续进行对象识别和位置关联，这与目标专利中为进行多行程数据关联和绘图而接收对象数据的作用是相似的。 |
| **B. 接收对应于第二行程的第二组对象数据；**<br>**《隐含公开》** | 同上。 | 同上。对比文件明确提到了来自“不同报告事件”（different reporting occurrences）或“两个或更多相机”（two or more cameras）的数据，这隐含了存在对应于第二行程（或更多行程）的第二组（及更多组）对象数据。其作用同样是用于后续的对象位置关联和地图更新。 |
| **C. 确定所述第一组对象数据与所述第二组对象数据之间的相似性度量；**<br>**《隐含公开》** | 说明书第[0044]段：“The map server 102 may determine the location of the identified object based on the plotted locations of the identified object. The map server 102 may determine the identified object probable location based on cluster analysis of the plotted location of the object on one or more maps...”<br>说明书第[0045]段：“...the map server 102 may generate a combined probability density for the object.” | 对比文件公开了基于多个观测（即来自不同行程的对象数据）绘制对象位置，并应用聚类分析来确定对象的可能位置。聚类分析的核心步骤之一就是计算数据点之间的“距离”或“相似性”，以判断哪些点属于同一簇。因此，确定相似性度量是执行聚类分析的必要隐含步骤。在对比文件中，这一步骤的作用是识别来自不同行程的、对应于同一物理对象的观测，以便确定其精确位置，这与目标专利中为聚类不同行程的同一对象数据而确定相似性度量的作用相同。 |
| **D. 其中所述相似性度量指示至少一个对象的所述第一组对象数据的点与所述第二组对象数据的点之间的距离；**<br>**《隐含公开》** | 说明书第[0044]段：“...cluster analysis of the plotted location of the object...”<br>说明书第[0070]段：“...apply a density based cluster algorithm to plots of the identified object...” | 对比文件公开的聚类分析（尤其是基于密度的聚类算法）必然涉及计算数据点（即来自不同行程的同一对象的位置估计）之间的距离，以判断它们是否足够接近从而属于同一簇（即对应同一真实对象）。因此，“相似性度量指示...点之间的距离”这一特征被隐含公开。在对比文件中，该距离用于关联来自不同行程的同一对象，以生成更准确的位置估计，这与目标专利中的作用一致。 |
| **E. 基于所述相似性度量来聚类所述至少一个对象的所述第一组对象数据和所述第二组对象数据，以产生至少一个对象簇；**<br>**《直接公开》** | 说明书第[0044]段：“The map server 102 may determine the identified object probable location based on cluster analysis of the plotted location of the object on one or more maps received from the map database 108.”<br>说明书第[0070]段：“The map server 102 may apply a density based cluster algorithm to plots of the identifier object to determine the location, e.g. probable location, of the object.” | 对比文件直接记载了应用聚类分析（具体为基于密度的聚类算法）对来自多个观测（即不同行程）的对象位置（即对象数据）进行聚类，以确定对象的可能位置。这直接公开了基于（隐含的）相似性度量进行聚类以产生对象簇（即位置点簇）的技术特征。其作用与目标专利相同，都是为了将不同行程中观测到的同一对象的数据关联起来。 |
| **F. 所述聚类用于将所述第一组对象数据的对象与所述第二组对象数据中的对象进行关联；**<br>**《直接公开》** | 说明书第[0043]段：“The map server 102 may correlate an identified object with a location, by plotting an object location on a map, based on each of the camera reporting occurrences.”<br>结合说明书第[0044]段关于聚类分析的描述。 | 对比文件明确记载了基于每个相机报告事件（即每个行程的观测）来关联已识别对象与位置，并通过聚类分析来确定这些关联位置是否属于同一对象。这直接公开了聚类的作用在于关联来自不同行程（第一组、第二组数据）的同一对象。其作用与目标专利完全一致。 |
| **G. 所述聚类包括使用所述相似性度量来执行分层聚类；**<br>**《未公开》** | 无相关记载。 | 对比文件仅提及“基于密度的聚类算法”（density based cluster algorithm），未提及“分层聚类”（hierarchical clustering）。这两种是不同的聚类方法。对比文件未公开执行分层聚类的技术特征。 |
| **H. 使用物理距离作为针对两个或更多个聚类水平和/或步骤而不同的参数；**<br>**《未公开》** | 无相关记载。 | 对比文件未提及在多水平或多步骤聚类中使用不同的距离参数。其聚类过程没有体现出分层或参数变化的步骤。 |
| **I. 基于所述至少一个对象簇来产生地图数据；**<br>**《直接公开》** | 说明书第[0046]段：“The map server 102 may generate map data associated with the object based on the probable location.”<br>说明书第[0073]段：“The processor 202 may generate map data for an identified object by associating the object with the probable location on a map.” | 对比文件直接记载了基于对象的可能位置（该位置通过聚类多个观测得到，即基于对象簇）来生成或更新地图数据。这直接公开了该技术特征。其作用与目标专利相同，都是为了创建或更新包含对象信息的地图。 |
| **J. 其中所述相似性度量基于对象类型；**<br>**《未公开》** | 无相关记载。 | 对比文件虽然识别了不同类型的对象（如交通标志），但其聚类分析是针对所有已识别对象的位置进行的，没有记载根据对象类型（如标志、车道标记）采用不同的相似性度量或聚类标准。 |
| **K. 其中针对标志对象类型确定所述相似性度量；**<br>**《未公开》** | 无相关记载。 | 理由同J。对比文件未专门针对“标志对象类型”确定或应用特定的相似性度量。 |
| **L. 其中所述第一组对象数据和所述第二组对象数据包括标志数据；**<br>**《直接公开》** | 说明书第[0031]段：“The image may include at least one object, such as a traffic sign...”<br>说明书第[0033]段：“...identify a street sign...” | 对比文件明确记载了图像中包含交通标志（traffic sign/street sign）这类对象，因此接收的对象数据（图像及从中识别的对象）包括标志数据。这直接公开了该特征。 |
| **M. 并且其中所述相似性度量指示来自不同行程的标志的点之间的距离；**<br>**《未公开》** | 无相关记载。 | 对比文件虽然处理包含标志的数据，但其聚类分析是基于所有观测到的对象位置的整体密度，并未专门记载针对“标志的点”（如角点、中心点）计算距离作为相似性度量。其距离计算是基于对象位置的估计点，而非标志特定的几何点。 |
| **N. 其中所述第一组对象数据和所述第二组对象数据包括车道标记数据；**<br>**《未公开》** | 无相关记载。 | 对比文件在列举对象类型时提到了“车道指示器”（lane indicator），但全文未对车道标记数据的处理、聚类或关联进行任何具体描述。未公开接收或处理专门的车道标记数据。 |
| **O. 其中执行分层聚类包括执行多个不同的聚类步骤；**<br>**《未公开》** | 无相关记载。 | 理由同G。对比文件未公开分层聚类，因此也不可能公开其包含多个不同聚类步骤的特征。 |
| **P. 其中第一聚类步骤包括基于第一距离参数来聚类，并且第二聚类步骤包括基于第二距离参数来聚类，其中所述第二距离参数小于所述第一距离参数；**<br>**《未公开》** | 无相关记载。 | 理由同H和O。对比文件未公开具有不同距离参数的多步骤聚类过程。 |
| **Q. 其中聚类所述第一组对象数据和所述第二组对象数据包括执行谱聚类；**<br>**《未公开》** | 无相关记载。 | 对比文件明确记载使用的是“基于密度的聚类算法”（density based cluster algorithm），而非“谱聚类”（spectral clustering）。这是两种不同的聚类技术。 |
| **R. 其进一步包括基于所述至少一个对象簇来执行捆绑调整；**<br>**《未公开》** | 无相关记载。 | 对比文件未提及“捆绑调整”（bundle adjustment）这一优化技术。其地图生成是基于聚类得到的可能位置直接关联，没有对相机位姿和对象位姿进行联合优化调整。 |
| **S. 其中在一或多个关联块中的每一个内执行聚类；**<br>**《未公开》** | 无相关记载。 | 对比文件未提及将地图划分为“关联块”（association tiles）并在每个块内独立执行聚类的技术特征。 |
| **T. 其中产生所述地图数据包含基于所述至少一个对象簇来细化地图数据；**<br>**《未公开》** | 说明书第[0047]段：“In some example embodiments, object changes may be determined and map data updated accordingly.” | 对比文件提到了更新地图数据，但此“更新”是指根据新确定的对象位置添加、移除或更改地图上的对象，并非目标专利中所述的“细化”（refining）。目标专利的“细化”通常指通过如捆绑调整等技术优化地图中对象和/或相机的位置参数以提高精度，对比文件未公开此类优化细化过程。 |
| **U. 其进一步包括将所产生的地图数据传输到至少一个车辆；**<br>**《隐含公开》** | 说明书第[0049]段：“The map server 102 may cause the updated map to be stored in the map database 108 and/or cause the updated map data to be transmitted to a UE 104 to be displayed on a user interface.” | 对比文件公开了将更新的地图数据传输到用户设备（UE 104）。考虑到该专利的应用背景（车辆导航、交通），用户设备（UE）非常可能包括车辆中的导航系统或信息娱乐系统。因此，将地图数据传输到至少一个车辆这一特征被隐含公开。其作用与目标专利相同，都是为了将生成的地图数据分发给终端用户（如车辆）使用。 |
| **V. 其中所述对象数据包括对象位姿信息；**<br>**《未公开》** | 无相关记载。 | 对比文件中的对象数据主要包含对象身份（identity）和位置（location）信息。全文未提及对象的姿态（pose）信息，例如方向、旋转等。其“位置”通常仅指空间坐标（如经纬度），不包含完整的位姿（位置和方向）。 |
<<<a>>><<<b>>><<<c>>><<<d>>><<<E>>><<<F>>><<<I>>><<<L>>><<<u>>>