**对比文件名称**：发明申请_US20100040279A1 METHOD AND APPARATUS TO BUILD 3-DIMENSIONAL GRID MAP AND METHOD AND APPARATUS TO CONTROL AUTOMATIC TRAVELING APPARATUS USING THE SAME
**特征比对表格**
| 技术特征描述 | 对比文件原文引用 | 公开性论述 |
| **A: 《直接公开》** | 说明书第[0035]段：“...acquiring a peripheral omni-directional image using a stereo omni-directional camera...”； 第[0049]段：“In the 2-dimensional SLAM 600a, the first omni-directional image 302 and the second omni-directional image 304 are obtained using the first omni-directional camera 102 and the second omni-directional camera 104, respectively...” | 对比文件明确记载了使用立体全向相机获取周围的全向图像（第一组图像数据）。这对应于目标专利中“接收对应于第一行程的第一组对象数据”。虽然对比文件获取的是图像数据，而目标专利是“对象数据”，但图像数据是生成对象数据的基础，且对比文件后续从图像中提取特征点（如第[0043]段所述），这些特征点可视为一种对象数据（如点云或特征数据）。因此，该特征被直接公开。 |
| **B: 《直接公开》** | 同上，说明书第[0035]、[0049]段。 | 对比文件同时从两个相机（第一和第二全向相机）获取图像，这相当于从两个不同的空间位置（可视为两个同时进行的“行程”或观测）获取数据。因此，“接收对应于第二行程的第二组对象数据”也被直接公开。 |
| **C: 《隐含公开》** | 说明书第[0050]段：“In the 3-dimensional SLAM 600b, the disparity map 406 is generated through stereo matching of the first and second panoramic images 402 and 404 in operation 606.”； 第[0047]-[0048]段描述了通过视差和方位角计算物体P的3D坐标。 | 对比文件通过立体匹配生成视差图，并基于视差和方位角计算特征点的三维坐标（如等式1、2所示）。这个过程隐含了确定第一组图像数据（来自第一相机）与第二组图像数据（来自第二相机）之间对应特征点的几何关系。这种基于立体视觉原理计算深度和位置的过程，本质上是在确定两组数据之间对应点的空间关系度量，可视为一种“相似性度量”，尽管其具体数学形式（基于三角测量）与目标专利可能不同，但其核心作用都是为了关联不同数据源中的对应点以进行后续处理。因此，该特征被隐含公开。 |
| **D: 《隐含公开》** | 说明书第[0047]段等式(1)：`d = cos(β)sin(α-β) * b`； 第[0048]段等式(2)：`X=d*cos(α)*cos(azimuth), Y=d*cos(α)*sin(azimuth), Z=d*sin(α)`。 | 对比文件通过上述等式计算物体P到相机的距离d及其三维坐标(X,Y,Z)。这个计算过程的核心是确定来自两个不同相机视图（即不同“行程”）的对应特征点（p‘和p’‘）之间的几何关系，并最终得到它们在三维空间中的位置。这隐含了“相似性度量指示至少一个对象的第一组对象数据的点与第二组对象数据的点之间的距离”这一特征。在对比文件中，该距离（深度d和3D坐标）用于3D重建和地图构建，与目标专利中用于聚类关联的作用相似。 |
| **E: 《未公开》** | 无对应原文。 | 对比文件虽然关联了来自两个相机的特征点以进行三角测量和3D坐标计算，但并未描述将多个观测数据“聚类”以产生“对象簇”的过程。其处理流程是逐点计算3D位置并更新到网格地图中（第[0055]段），而不是将来自不同行程的多个对象观测分组为簇。目标专利的聚类是为了整合多次观测以形成更可靠的对象表示，而对比文件是直接利用一次立体观测的结果。两者技术手段和作用不同。 |
| **F: 《未公开》** | 无对应原文。 | 如特征E所述，对比文件没有“聚类”的步骤，因此也不存在通过聚类来关联不同行程对象数据中对象的目的。 |
| **G: 《未公开》** | 无对应原文。 | 对比文件未提及任何“分层聚类”的方法。 |
| **H: 《未公开》** | 无对应原文。 | 对比文件未提及任何使用“物理距离作为参数”进行多水平/步骤聚类的过程。 |
| **I: 《直接公开》** | 说明书第[0055]段：“A 3-dimensional grid map of the periphery of the stereo omni-directional camera 100 may be generated by combining the result of the 2-dimensional coordinates obtained in the 2-dimensional SLAM 600a and the result of the 3-dimensional localization obtained in the 3-dimensional SLAM 600b in operation 614.” | 对比文件明确记载了通过结合2D SLAM和3D SLAM的结果来生成三维网格地图。这直接对应于“基于所述至少一个对象簇来产生地图数据”。尽管对比文件产生地图的数据基础（三角测量结果）与目标专利（对象簇）不同，但“产生地图数据”这一上位特征已被直接公开。 |
| **J: 《未公开》** | 无对应原文。 | 对比文件处理的是通用的图像特征点（通过颜色边缘提取，第[0042]段），并未根据“对象类型”（如标志、车道标记）对特征点进行分类或采用不同的处理方式。 |
| **K: 《未公开》** | 无对应原文。 | 由于特征J未公开，且对比文件未提及“标志对象类型”，因此该特征也未公开。 |
| **L: 《未公开》** | 无对应原文。 | 对比文件的对象数据是图像特征点，未明确区分或包含“标志数据”。 |
| **M: 《未公开》** | 无对应原文。 | 由于特征K、L未公开，且对比文件未涉及来自不同行程的标志点距离度量，因此该特征未公开。 |
| **N: 《未公开》** | 无对应原文。 | 对比文件的对象数据是图像特征点，未明确区分或包含“车道标记数据”。 |
| **O: 《未公开》** | 无对应原文。 | 对比文件未进行聚类，因此也不存在包含多个不同聚类步骤的分层聚类。 |
| **P: 《未公开》** | 无对应原文。 | 对比文件未进行基于不同距离参数的聚类步骤。 |
| **Q: 《未公开》** | 无对应原文。 | 对比文件未提及“谱聚类”方法。 |
| **R: 《未公开》** | 无对应原文。 | 对比文件在SLAM过程中使用了扩展卡尔曼滤波（EKF）进行状态估计（如等式3所示），这是一种递推滤波方法，用于估计相机位姿和特征点位置。而“捆绑调整”（Bundle Adjustment）通常指一种基于所有观测数据批量优化相机参数和三维点位置的离线非线性优化方法。两者在算法原理和作用上存在区别。对比文件未描述使用所有观测数据进行联合批量优化的“捆绑调整”过程。 |
| **S: 《未公开》** | 无对应原文。 | 对比文件未提及将处理区域划分为“关联块”并在每个块内执行聚类。 |
| **T: 《隐含公开》** | 说明书第[0055]段：“If voxels exist within a field of view of the stereo omni-directional camera 100... and if the voxels exceed a prescribed occupation count for the prescribed number of times the stereo omni-directional camera captures an image, the voxels are determined to be occupied.” | 对比文件描述了通过多次观测（“the prescribed number of times”）来更新体素（voxel）的占用状态，只有当占用计数超过规定阈值时才确定该体素被占据。这个过程是一个基于累积观测数据逐步更新和细化地图信息的过程。这隐含了“基于所述至少一个对象簇来细化地图数据”的特征。在对比文件中，细化的依据是多次观测的统计结果；在目标专利中，细化的依据是聚类得到的对象簇。虽然依据不同，但“细化地图数据”这一上位功能和作用（提高地图准确性）是相似的。 |
| **U: 《未公开》** | 无对应原文。 | 对比文件未提及将生成的地图数据传输到车辆。 |
| **V: 《隐含公开》** | 说明书第[0047]-[0048]段，通过等式计算物体P的三维坐标(X, Y, Z)。 | 对比文件通过立体视觉计算得到特征点在三维空间中的坐标(X, Y, Z)。三维坐标是对象位姿信息（位置）的核心组成部分。虽然对比文件可能未明确计算或存储对象的完整6自由度位姿（位置+方向），但其获得的三维位置信息是对象位姿信息的关键部分。因此，“对象数据包括对象位姿信息”这一特征被隐含公开。在对比文件中，该位置信息用于构建3D网格地图；在目标专利中，对象位姿信息用于聚类和地图生成。两者作用一致。 |
<<<A>>><<<B>>><<<I>>><<<c>>><<<d>>><<<t>>><<<v>>>