**对比文件名称**：发明公开 US2010066587A1 Method and System for Controlling a Remote Vehicle
**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**：确定所述地图的多个体素中的每个体素的占用程度。<br>**《直接公开》** | 说明书第\[0082\]段：“An occupancy grid can be used to combine multiple readings from multiple sensors at multiple locations into a single grid-based representation, **where the value of each cell represents the probability that the corresponding location in space is occupied.**”<br>说明书第\[0108\]段：“The LPS can be stored as an occupancy grid... **Each grid cell stores a weighted sum of evidence for/against an obstacle in that grid cell.**” | 对比文件明确公开了使用“占用网格（occupancy grid）”或“局部感知空间（LPS）”来表示环境地图，其中每个网格单元（cell）的值代表了该空间位置被占用的概率或证据权重。这直接对应于目标专利中“体素（voxel）”的概念及其“占用程度”的确定。两者在整体技术方案中的作用相同，都是将环境离散化为网格单元并评估其被障碍物占据的可能性，为后续的导航或规划提供基础环境模型。 |
| **技术特征B**：其中所述体素的占用程度是根据由传感器在多个时间步阶收集的且基于所述体素是否落入用于当前时间步阶处的测量的传感器测量锥中而对所述体素的占用程度作出贡献的测量来确定的。<br>**《隐含公开》** | 说明书第\[0082\]段：“An occupancy grid can be used to **combine multiple readings from multiple sensors at multiple locations** into a single grid-based representation...”<br>说明书第\[0108\]段：“Typically, an LPS will represent the obstacles detected over the previous 5-30 seconds.” | 对比文件虽未明确使用“测量锥（sensor cone）”和“时间步阶”的表述，但其占用网格/LPS是通过整合来自多个传感器（如UWB雷达、LIDAR、立体视觉）在多个位置（即不同时间）的读数来构建的（第\[0082\]段）。UWB雷达等传感器具有特定的视野范围（如40°×40°，第\[0036\]段），其每次测量本质上覆盖一个空间锥形区域。LPS存储了过去一段时间（5-30秒）的检测数据（第\[0108\]段），这隐含了基于时间序列的测量积累。因此，对本领域技术人员而言，对比文件公开的“整合多传感器、多位置读数以更新网格单元占用值”的技术手段，必然隐含了“基于传感器测量锥内的、在不同时间收集的测量来确定体素（网格单元）占用程度”这一技术特征。两者作用相同，都是利用传感器的空间感知数据来增量式地构建和更新环境地图。 |
| **技术特征C**：其中每个体素的占用程度表示在所述体素的空间上的占用比率。<br>**《隐含公开》** | 说明书第\[0082\]段：“...where the value of each cell **represents the probability that the corresponding location in space is occupied.**”<br>说明书第\[0108\]段：“Each grid cell stores **a weighted sum of evidence for/against an obstacle** in that grid cell.” | 对比文件将每个网格单元的值描述为“被占用的概率”或“支持/反对存在障碍物的加权证据和”。概率值或证据权重是占用可能性的一种量化表示，其本质是描述该单元空间被障碍物占据的比率或程度（例如，概率1.0表示完全被占，0.0表示完全空闲，中间值表示部分占用或不确定）。虽然未直接使用“占用比率”的措辞，但“概率”和“加权证据和”是本领域用于表示空间占用程度的常用且等效的数学描述方式。因此，该特征被对比文件隐含公开，其作用与目标专利相同，均为地图提供连续、概率化的占用信息，而非简单的二元（占用/空闲）判断。 |
| **技术特征D**：确定所述多个体素中的每个体素的占用程度的概率分布函数(PDF)。<br>**《直接公开》** | 说明书第\[0085\]段：“Occupancy grids can rely on **statistical sensor models (e.g., based on Bayesian probability) to update the corresponding cell probabilities** for each input sensor reading... The present invention contemplates developing and applying **a Bayesian sensor model** suitable for the precision expected from UWB radar.” | 对比文件明确公开了占用网格依赖基于贝叶斯概率的统计传感器模型来更新每个单元的概率（第\[0085\]段）。贝叶斯更新正是用于计算和更新概率分布函数（PDF）的核心方法。对比文件明确提出了为UWB雷达开发和应用贝叶斯传感器模型，这直接对应于“确定占用程度的概率分布函数（PDF）”。该特征在对比文件中的作用与在目标专利中相同，都是为每个空间单元（体素）建立并维护一个概率分布，以量化其占用状态的不确定性，为后续的增量更新和决策提供概率基础。 |
| **技术特征E**：确定所述多个体素中的每个体素的占用程度的概率分布函数(PDF)。<br>**《直接公开》** | 同技术特征D的引用。 | 同技术特征D的论述。对比文件直接公开了基于贝叶斯概率模型来确定和更新网格单元（体素）的占用概率，即确定了其占用程度的PDF。 |
| **技术特征F**：基于在确定所述PDF之后所执行的后续测量来对所述PDF执行增量贝叶斯更新以更新所述地图。<br>**《隐含公开》** | 说明书第\[0083\]段：“The occupancy grid mapping software can **continuously add new obstacle locations (as determined by the current data) to the map as the remote vehicle moves through the world.**”<br>说明书第\[0085\]段：“Occupancy grids can rely on statistical sensor models (e.g., based on Bayesian probability) **to update the corresponding cell probabilities for each input sensor reading.**” | 对比文件描述了占用网格映射软件随着车辆移动，持续根据当前（新的）传感器数据向地图中添加新的障碍物位置（第\[0083\]段），并利用统计（贝叶斯）传感器模型根据每个输入的传感器读数更新单元概率（第\[0085\]段）。这描述了一个增量更新的过程：地图（由各单元的PDF构成）在初始确定后，随着新的测量数据（后续测量）的到来而被持续更新。虽然未明确使用“增量贝叶斯更新”这一术语，但“基于贝叶斯概率模型，用每个新读数更新单元概率”这一技术手段，对本领域技术人员而言，就是标准的“增量贝叶斯更新”方法的体现。其作用与目标专利完全相同，都是使地图能够动态、增量地适应新的感知信息，提高地图的准确性和实时性。 |
| **技术特征G**：以及基于经更新的地图来为所述自主设备规划路线。<br>**《直接公开》** | 说明书第\[0092\]-\[0095\]段：描述了使用向量场直方图（VFH）和缩放向量场直方图（SVFH）技术进行障碍物避让行为。例如，第\[0094\]段：“Once the VFH has determined which headings are open and which are blocked, the remote vehicle can **pick a heading closest to its desired heading toward its target/waypoint and move in that direction.**”<br>说明书第\[0100\]段：“The bins containing obstacle distances can used to create the occupancy grid...”，以及后续关于利用该网格进行避障的描述。 | 对比文件详细公开了基于占用网格（即地图）和局部感知空间（LPS）来执行障碍物避让行为（第\[0092\]-\[0095\]段，第\[0113\]段）。障碍物避让是路线规划的核心组成部分。具体地，VFH/SVFH算法根据地图（或LPS）中障碍物的概率分布，计算哪些方向是开放的，并选择最接近目标方向的开放方向行进（第\[0094\]段），这直接实现了基于地图的局部路线规划或路径选择。因此，对比文件直接公开了基于更新后的地图（占用网格/LPS）为自主车辆（远程车辆）规划路线的技术特征。两者作用相同，都是利用环境地图信息来指导自主设备的运动决策。 |
<<<A>>><<<D>>><<<E>>><<<G>>><<<b>>><<<c>>><<<f>>>