对比文件名称：发明申请_US20090228204A1 SYSTEM AND METHOD FOR MAP MATCHING WITH SENSOR DETECTED OBJECTS
| 技术特征描述 | 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； | 未直接或隐含公开。 | 对比文件描述了从车载传感器（如雷达、激光扫描仪、相机）获取原始数据或提取对象数据（例如，第[0042], [0046], [0056]段），用于与地图数据库中的对象进行匹配。然而，这些数据是车辆在**当前单次行驶/旅程**中实时采集的，用于即时定位和匹配。对比文件没有描述接收来自**不同行程**（例如，不同时间、不同车辆）的**多组**对象数据并进行后续处理的概念。其技术方案的核心是利用当前传感器数据与已有地图进行匹配以修正车辆位置，而非聚合和分析来自多个独立行程的数据。因此，该特征未被公开。 |
| B: 接收对应于第二行程的第二组对象数据； | 未直接或隐含公开。 | 理由同特征A。对比文件全程聚焦于利用**当前车辆行程**的传感器数据进行实时地图匹配，没有提及接收、存储或处理来自另一个独立行程（第二行程）的对象数据。多行程数据聚合的概念不存在于对比文件中。 |
| 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 | 未直接或隐含公开。 | 对比文件确实涉及比较操作，例如将车辆传感器构建的场景与地图数据库构建的场景进行“比较”、“匹配”或“相关”（correlate）（第[0046], [0057], [0059]段）。然而，这种比较是发生在**当前传感器数据**与**预先存储的地图数据**之间，目的是确定车辆当前位置与地图的偏差。而目标专利的“相似性度量”是用于比较**两个不同行程采集的对象数据**（如特征A、B所述），以判断它们是否对应于同一个物理对象。对比文件中的比较对象、目的和上下文均不同，因此该特征未被公开。 |
| 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； | 未直接或隐含公开。 | 对比文件在场景匹配中，计算相关性函数时会考虑场景中点（如传感器返回点）的位置匹配（第[0059]段）。这隐含了某种基于点之间距离的度量。然而，如特征C所述，该距离度量是用于**车辆传感器数据点与地图数据点**之间的比较，而非用于**两个不同行程数据点**之间的比较。因此，该特征未被公开。 |
| 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 | 未直接或隐含公开。 | 对比文件的核心是“匹配”（matching），即将检测到的对象与地图中已知的对象进行一对一或一对多的关联确认（第[0070], [0102]段）。而“聚类”（clustering）是一种无监督学习方法，旨在将一组数据（可能来自多个行程）中相似的数据点分组，可能在没有先验地图对象标签的情况下发现潜在的物理对象。对比文件没有描述将来自多个行程的检测数据分组（聚类）以形成“对象簇”的步骤。其地图数据库中的对象是预先定义和存储的，匹配过程是查找，而非从原始数据中创建新的簇。 |
| 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 | 未直接或隐含公开。 | 该特征明确了聚类操作的目的。如特征E所述，对比文件没有涉及跨行程的对象数据聚类，因此也不存在通过聚类来实现跨行程对象关联的技术内容。 |
| G: 所述聚类包括使用所述相似性度量来执行分层聚类 | 未直接或隐含公开。 | 对比文件未提及任何具体的聚类算法，更未提及“分层聚类”。 |
| 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 | 未直接或隐含公开。 | 对比文件未提及任何多水平/步骤的聚类过程，因此也不涉及在不同水平使用不同距离参数的概念。 |
| I: 和基于所述至少一个对象簇来产生地图数据 | 未直接或隐含公开。 | 对比文件中的“地图数据”（map data）是预先存在于数据库中的，作为匹配的参考基准（第[0042], [0056]段）。系统利用传感器数据来查询和匹配现有地图，并可能更新车辆位置，但**并不基于匹配或聚类结果来生成新的地图数据**。目标专利则明确要求基于聚类产生的对象簇来“产生”地图数据，这是一个地图构建或更新的过程。两者目的不同。 |
| J: 其中所述相似性度量基于对象类型 | 未直接或隐含公开。 | 对比文件在对象特征匹配时，可能会利用对象的不同特征（如形状、颜色、反射率等）进行比较（第[0078], [0083]段及后续算法步骤）。这暗示了匹配标准可以根据对象特性进行调整。然而，对比文件并未明确将“对象类型”（如标志、车道标记）作为定义或选择不同“相似性度量”的依据。其匹配算法更侧重于综合多种特征进行加权评分（第[0100]段），而非为不同类型对象预设不同的度量计算方式。 |
| K: ，其中针对标志对象类型确定所述相似性度量， | 未直接或隐含公开。 | 对比文件虽然将标志（如停车标志）作为可检测和匹配的对象实例（第[0041], [0055]段），但并未专门针对“标志对象类型”描述一种特定的相似性度量确定方法。 |
| 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， | 未直接或隐含公开。 | 如特征A、B所述，对比文件未涉及来自不同行程的“第一组”和“第二组”对象数据。因此，也不可能公开这些数据具体包含“标志数据”。 |
| 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 | 未直接或隐含公开。 | 该特征组合了特征C、D、K、L的含义。如前所述，对比文件均未公开这些子特征，因此该组合特征也未被公开。 |
| 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， | 未直接或隐含公开。 | 理由同特征L。对比文件提到了车道标记作为可检测对象（第[0041], [0074]段），但未提及从不同行程获取包含车道标记数据的对象组。 |
| O: 其中执行分层聚类包括执行多个不同的聚类步骤 | 未直接或隐含公开。 | 理由同特征G，对比文件未提及分层聚类，因此其具体步骤也无从公开。 |
| 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 | 未直接或隐含公开。 | 理由同特征H，对比文件未涉及多步骤聚类及变化的距离参数。 |
| 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 | 未直接或隐含公开。 | 对比文件未提及任何具体的聚类算法，包括“谱聚类”。 |
| 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 | 未直接或隐含公开。 | “捆绑调整”（Bundle Adjustment）是计算机视觉和摄影测量中用于联合优化三维点位置和相机参数的技术。对比文件虽然通过匹配来优化车辆位置估计（第[0073]段），但这是通过直接计算位置偏差或使用滤波/优化方法修正车辆状态（位置、方向），并非对多个观察到的对象点和相机位姿进行全局非线性优化（即捆绑调整）。目标专利中的捆绑调整是针对聚类后的大量多行程观测数据进行的，以细化地图中对象的位姿，这与对比文件中的实时车辆定位优化在目的、规模和方法上均不同。 |
| S: 其中在一或多个关联块中的每一个内执行聚类 | 未直接或隐含公开。 | 对比文件提到了“感兴趣区域”（ROI）的概念，用于限制传感器数据处理的范围（第[0052]段）。但ROI是为了提高实时匹配的效率，聚焦于车辆周围可能包含匹配对象的区域，并非为了将地图划分为“关联块”并在每个块内独立执行“聚类”操作。目标专利的“关联块”是用于管理大规模多行程数据聚类的一种空间分区策略，与对比文件的ROI在目的和技术手段上不同。 |
| 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 | 未直接或隐含公开。 | 如特征I所述，对比文件不基于匹配结果生成新地图数据。虽然匹配可能提高车辆对自身位置的认知精度，但这并非对地图数据库本身的内容进行“细化”（如调整对象的三维坐标、位姿）。对比文件中的地图数据是静态的参考源。 |
| 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 | 未直接或隐含公开。 | 对比文件描述了车辆从地图数据库检索信息（第[0042]段），但未描述将新产生或细化的地图数据“传输”到车辆的过程。其地图数据的流向主要是从中心数据库到车辆用于匹配，而非相反或生成后再分发。 |
| V: 其中所述对象数据包括对象位姿信息 | **隐含公开** | 对比文件多次提及对象在数据库中的存储包含其位置（location）和方向（orientation）信息（第[0040], [0055]段），例如对象的3D坐标。位置和方向共同构成了对象的“位姿”（pose）。例如，第[0055]段提到“标志的3-D坐标”和“其方向”，这明确包含了位置和定向，即完整的位姿信息。虽然对比文件未使用“位姿”（pose）一词，但“3-D坐标”和“方向”的记载对本领域技术人员而言直接且明确地公开了“对象位姿信息”这一技术特征。在对比文件中，对象位姿信息用于构建地图场景并与车辆传感器数据匹配。在目标专利中，对象位姿信息用于计算相似性度量和后续聚类。两者作用不同（前者用于实时匹配定位，后者用于多行程数据聚合建图），但“对象数据包括对象位姿信息”这一事实本身已被对比文件公开。 |
<<<v>>>