**对比文件名称**：发明申请_US20160356600A1 CROWD-SOURCED INTERACTION OF BROWSING BEHAVIOR IN A 3D MAP
**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 | |
| **技术特征A**：接收对应于第一行程的第一组对象数据；<br>**《直接公开》** | [0023] “Sampling may include the virtual camera's position, view point, and/or direction of travel. For example, while browsing the 3D map, a time sequence of one or more virtual camera map views may be sampled.”<br>[0032] “...map sampler 312 may sample the position of a virtual camera's map view at browser 310, a viewpoint of the virtual camera's map view at browser 310, and/or a direction of travel of virtual camera map view at browser 310.”<br>[0045] “...the spatial motion database may receive a query including position corresponding to the intersection of Main Street and State Street and a viewpoint looking at building 290.” | 对比文件公开了在浏览（即“行程”）3D地图时，对虚拟相机的位置、视角等信息进行采样。这些采样数据（位置、视角）构成了对应于该次浏览行程的一组数据。这组数据在对比文件中被发送到数据库进行查询或聚合，相当于“接收对应于第一行程的第一组对象数据”。该特征在对比文件中用于生成推荐浏览路径，与目标专利中为后续聚类和地图生成提供输入数据的作用相同。 | |
| **技术特征B**：接收对应于第二行程的第二组对象数据；<br>**《直接公开》** | [0023] “...samples from this 3D map browsing session (as well as other 3D browsing sessions from the same or other users including crowd sourced users) may be aggregated...”<br>[0033] “The cluster of samples may include samples from browser 310, prior samples from browser 310, prior samples from other browser sessions, crowd-sourced samples 329 (which may be obtained from other browsers traversing a 3D map)...”<br>[0046] “...spatial motion database 335 may include crowd-sourced spatial clusters obtained from a plurality of user equipment including browsers traversing 3D map data.” | 对比文件明确公开了从多个用户（众包）的浏览会话中获取样本数据。这些来自不同用户、不同时间的浏览会话数据，即对应于“第二行程”的数据。系统接收并聚合这些数据，与特征A共同构成了接收多行程数据。其作用同样是作为生成推荐路径的基础，与目标专利中接收多行程数据用于后续处理的目的相符。 | |
| **技术特征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>**《直接公开》** | [0045] “To illustrate, the closest spatial cluster to the received samples may represent the spatial cluster that is the most similar and, as such, most likely to have the same or similar position, viewpoint, and/or direction of travel.”<br>[0055] “In some example embodiments, a metric may be used at 454 to calculate the degree of similarity between the received samples and one or more spatial clusters. The closest spatial cluster(s) may be determined based on the metric (for example, a distance metric, similarity metric, and/or the like).” | 对比文件在查询数据库以获取推荐路径时，明确记载了使用“度量（metric）”来计算接收到的样本（可视为一组数据）与数据库中存储的空间聚类（由其他行程数据聚合而成）之间的相似程度。这个过程即涉及确定不同组数据（当前样本与历史聚类数据）之间的相似性度量。该度量在对比文件中用于寻找最匹配的浏览路径，与目标专利中用于判断数据是否应被聚类的目的在“比较数据相似性”这一核心作用上相同。 | |
| **技术特征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>**《未公开》** | 无对应原文。对比文件中提到的“相似性”或“距离”是基于虚拟相机的位置（position）、视角（viewpoint）和/或运动方向（direction of travel）等整体参数，例如判断两个相机位姿的接近程度（[0059] “C=[R | T]”）。 | 对比文件未公开“相似性度量指示至少一个对象的...点之间的距离”。目标专利中的“点之间的距离”特指被观察对象（如标志角点、车道标记点）在空间中的几何距离。而对比文件中的相似性度量关注的是观察者（虚拟相机）的位姿参数之间的相似性或距离，并非被观察对象本身的特征点之间的距离。两者解决的问题和作用不同：目标专利用于关联同一物理对象的不同观测；对比文件用于匹配相似的浏览视角和路径。 |
| **技术特征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》** | [0023] “...samples from this 3D map browsing session... may be aggregated into corresponding spatial clusters. A spatial cluster may represent a group of samples that are the same or similar with respect to position, viewpoint, and/or direction of travel.”<br>[0033] “The aggregator 330 may cluster samples so that the same or similar samples are grouped, in accordance with some example embodiments.”<br>[0038] “...spatial cluster 362A may include map view samples 362B-E... each of which may have a similar position, similar viewpoint... and similar direction of travel...” | 对比文件明确公开了将来自不同浏览会话（行程）的、具有相似性（位置、视角等）的样本聚合成“空间聚类（spatial cluster）”。这个过程正是基于样本之间的相似性（由前述度量计算）进行聚类，并将聚合后的数据组称为“簇（cluster）”。该特征在对比文件中用于归纳典型的浏览模式，形成推荐路径的基础；在目标专利中用于归纳同一物理对象的不同观测。虽然最终应用领域不同，但“基于相似性将多组数据聚合为簇”这一核心操作及其在数据处理流程中的作用是相同的。 | |
| **技术特征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>**《隐含公开》** | [0023] “A spatial cluster may represent a group of samples that are the same or similar...”<br>[0038] “Spatial cluster 362A may include map view samples 362B-E (represented by the triangles)...”<br>[0059] “A cluster of these path may be represented by a set of camera motion paths K={P1, P2, P3, . . . }. Path clustering and aggregation algorithms are applied to recorded raw viewing.” | 对比文件虽未明确使用“关联”一词，但其“空间聚类”的本质就是将来自不同浏览会话（即不同“行程”）的、描述相同或相似场景（可视为“对象”）的样本（即“对象数据”）归为一组。例如，空间聚类362A包含了多个样本（362B-E），这意味着这些不同时刻或不同用户采集的、描述同一地理位置（如某个街角）的浏览数据被关联在了一起。因此，聚类操作在对比文件整体技术方案中实际起到了关联不同行程中间一或相似“场景/路径对象”数据的作用，这与目标专利中聚类用于关联不同行程中间一物理对象数据的作用是相同的。 | |
| **技术特征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》** | 无对应原文。对比文件仅提及了聚类和聚合算法（[0059] “Path clustering and aggregation algorithms are applied”），但未具体公开其采用“分层聚类（hierarchical clustering）”方法，也未明确其聚类过程包含多个层次或步骤。 | 对比文件未公开执行“分层聚类”。其聚类方法可能是简单的基于距离阈值的聚类或其他算法。目标专利中明确限定的“分层聚类”是一种特定的聚类方法，通常涉及不同层次或粒度上的聚类操作。对比文件没有给出任何关于采用分层聚类的技术启示。 | |
| **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》** | 无对应原文。 | 由于对比文件未公开“分层聚类”（特征G），自然也未曾公开在分层聚类的不同水平/步骤中使用不同的“物理距离”参数。该特征完全未被对比文件记载或暗示。 | |
| **技术特征I**：和基于所述至少一个对象簇来产生地图数据；<br>**《未公开》** | 无对应原文。对比文件产生的是“推荐浏览路径（recommended browsing path）”（[0020], [0045], [0056]）。 | 目标专利的“地图数据”是指包含对象（如标志、车道）位置信息的绘图或地图。对比文件输出的“推荐浏览路径”是一系列建议的虚拟相机位姿序列，用于引导用户浏览已有的3D地图，其本身并非“地图数据”。两者技术实质不同：目标专利是生成或细化地图内容；对比文件是利用已有地图和用户数据生成导航建议。 | |
| **技术特征J**：其中所述相似性度量基于对象类型；<br>**《未公开》** | 无对应原文。对比文件中的相似性度量基于位置、视角、运动方向（[0023], [0055]），未提及基于“对象类型”（如标志、车道）。 | 对比文件未公开根据“对象类型”来采用或调整相似性度量。其相似性计算与地图中对象的语义类别无关。该特征未被公开。 | |
| **技术特征K**：其中针对标志对象类型确定所述相似性度量；<br>**《未公开》** | 无对应原文。 | 对比文件未涉及“标志对象”或任何特定类型的被观测对象。因此，不可能公开针对“标志对象类型”确定相似性度量。 | |
| **技术特征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>**《未公开》** | 无对应原文。 | 对比文件中的数据是关于虚拟相机位姿和路径的样本，不包含“标志数据”。该特征未被公开。 | |
| **技术特征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》** | 无对应原文。 | 基于特征K、L未公开，且对比文件中的相似性度量不涉及“标志的点”，此特征也未被公开。 | |
| **技术特征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》** | 无对应原文。 | 对比文件中的数据不包含“车道标记数据”。该特征未被公开。 | |
| **技术特征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》** | 无对应原文。 | 同特征G，对比文件未公开“分层聚类”，因此也未公开其包含“多个不同的聚类步骤”。 | |
| **技术特征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》** | 无对应原文。 | 对比文件未公开任何关于使用不同距离参数进行多步骤聚类的信息。该特征完全未被公开。 | |
| **技术特征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》** | 无对应原文。 | 对比文件未提及“谱聚类（spectral clustering）”这一特定的聚类算法。 | |
| **技术特征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》** | 无对应原文。 | 对比文件的技术方案不涉及“捆绑调整（bundle adjustment）”。捆绑调整是计算机视觉和摄影测量中用于联合优化相机参数和三维点坐标的技术，与对比文件生成推荐路径的流程无关。 | |
| **技术特征S**：其中在一或多个关联块中的每一个内执行聚类；<br>**《隐含公开》** | [0038] “FIG. 3C depicts a representation of spatial clusters 362A, 364A, 366, 368, and 370 located generally in the vicinity of Main Street and State Street...”<br>[0041] “The bounding object may 352D may represent the region covered by the spatial cluster. As such, the bounding object 352D may include a center 352J and how far the region extends 352K.” | 对比文件中的空间聚类具有明确的“边界对象（bounding object）”，该边界定义了该聚类所覆盖的地理区域（例如Main Street和State Street附近）。这意味着聚类操作是在这些特定的地理区域（即“关联块”）内进行的，将属于同一区域的样本聚在一起。虽然未使用“关联块”一词，但“边界对象界定的区域”在技术实质上起到了相同的作用：将聚类计算限制在局部空间范围内，以提高效率或准确性。这与目标专利中在“关联块”内执行聚类的作用相同。 | |
| **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》** | 无对应原文。 | 对比文件不涉及生成或“细化地图数据”。其推荐路径是基于现有地图和用户行为数据生成的，并不修改地图本身的内容或精度。 | |
| **技术特征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>**《未公开》** | 无对应原文。 | 对比文件的应用场景是用户设备（如手机、电脑）浏览3D地图，未提及与“车辆”通信或传输地图数据给车辆。 | |
| **技术特征V**：其中所述对象数据包括对象位姿信息；<br>**《未公开》** | 对比文件中的数据包含“相机位姿（camera pose）”（[0041] “camera pose 352B”），这是观察者的位姿。 | 目标专利的“对象位姿信息”是指被观察对象（如交通标志）在空间中的位置和方向。对比文件中的数据描述的是观察者（虚拟相机）的位姿，而非被观察对象的位姿。两者技术主体不同，因此该特征未被公开。 |
<<<A>>><<<B>>><<<C>>><<<E>>><<<f>>><<<s>>>