作为一名经验丰富的专利代理师，我将紧密结合目标专利（CN107111752B）的说明书，为您对权利要求1进行深入解释，并基于对比文件D1-D6的原文给出特征比对分析、特征比对表格，以及最接近对比文件（CPA）的认定。

一、 紧密结合目标专利说明书解释权利要求1

目标专利解决的核心技术问题是：传统的基于图像的物件检测（例如“蛮力”全面搜索高分辨率图像）计算复杂、耗时且效率低，导致在自动驾驶等场景下无法及时作出反应。

其带来的技术效果是：通过使用位置数据（如雷达或3D地图提供的目标预估区域），缩小或限制对图像数据（及其不同分辨率的缩放空间表示）的搜索范围，从而大幅降低计算量，实现更快速、高效的物件检测。

权利要求1各技术特征的解释：

• 特征A（存储器）与特征B（处理器接收位置数据）：设备具有基础计算硬件。处理器接收来自位置传感器（如雷达、激光雷达或3D地图）提供的位置数据（指示物件可能存在的预估区，对应说明书图1的估计区118）。

• 特征C（图像数据与多个缩放空间表示）：接收摄像头等图像传感器采集的图像数据。该图像数据包含目标的“多个缩放空间表示”（即针对同一图像生成高分辨率、中分辨率、低分辨率等金字塔图像表示，对应说明书第一/二/三缩放空间表示120、122、124）。

• 特征D（不同距离对应不同分辨率）：不同分辨率的缩放空间表示与距传感器的不同距离相关联（例如：目标在远处时在原图中较小，但在较低分辨率的缩放空间表示中可能正适合检测模型的像素尺寸；或者反之）。

• 特征E（基于位置数据区与缩放空间表示的重叠来识别搜索区域）：这是本专利的核心发明点。处理器计算位置数据给出的“估计区”与某一个或多个“缩放空间表示”的图像平面之间是否发生重叠或相交。如果不重叠，则直接跳过该缩放空间；如果重叠，则仅识别该重叠部分的子区作为“搜索区域”（对应说明书中的搜索区域C0-C1）。

• 特征F（在搜索区域中检测物件）：仅在上述识别出的重叠搜索区域内执行计算机视觉操作（如图像分段、定界框匹配），而不是对整张图像盲搜。

二、 对比文件技术特征公开情况及原文出处分析

经分析，D3 (JP2014142202A) 和 D4 (JP2014142832A) 实质上公开了权利要求1的绝大部分甚至全部技术特征。其余对比文件（D1、D2、D5、D6）均未公开“缩放空间表示（图像金字塔）”与“位置数据重叠”结合的特征。以下重点分析D3和D4。

1. D3 (JP2014142202A) —— 高度相关

• 特征A、B（存储器、接收位置数据）：已实质公开。

  • 出处：[0031]段“画像処理部４１、位置情報生成部４３、及び識別対象検出部４５は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を備えた周知のマイクロコンピュータが実行する処理によって実現される。”（提及了ROM、RAM存储器）；[0017]段“位置情報取得手段は、電波を送受信することによって... 物標候補について、少なくとも自車両に対する方位と距離とを位置情報として取得する。”（雷达装置20获取方位和距离作为位置信息）。

• 特征C、D（多个缩放空间表示及不同距离不同分辨率）：已实质公开。

  • 出处：[0019]段“撮像した基本画像ａを所定の比率で段階的に縮小した複数の二次画像ｂ、ｃ・・・（以下、これらの撮像画像及び複数の二次画像をピラミッド画像群と称する）を生成する。”（生成包含基本图像和逐步缩小的二次图像的金字塔图像群，即多个缩放空间表示）。[0021]段“位置情報として検出された自車両から物標候補までの距離に従って... ピラミッド画像群の中から１ないしは複数の画像を選択する”（根据到目标的距离选择一个或多个金字塔图像）。

• 特征E（基于位置和缩放空间重叠识别搜索区域）：已实质公开。

  • 出处：[0023]段“物標候補の三次元空間での位置を測定位置とし、該測定位置に対応する撮像画像上の位置を画面測定位置として... 画面測定位置を中心として、予め定められた範囲である第１探索範囲を画像探索範囲として設定する。”（将三维空间中的测量位置转换为画面测量位置，并以该位置为中心设置图像探索范围，即基于位置重叠识别搜索区域）。

• 特征F（检测物件）：已实质公开。

  • 出处：[0021]段“該画像探索範囲において、予め準備された、検出対象を表す画像データであるテンプレートを順次移動させ... 検出対象が存在するか否かを判定する”（在图像探索范围内移动模板，判定检测对象是否存在）。

2. D4 (JP2014142832A) —— 高度相关

• 特征A、B：已实质公开。[0012]段提及记忆部12（記憶部１２）；[0013]段提及距离传感器14获取距离信息（距離センサ１４... 距離を測定する）。

• 特征C、D：已实质公开。[0018]段“あらかじめ設定した倍率で縮小もしくは拡大した複数枚の画像を用いる... レイヤ画像と呼ぶ”（使用缩放的复数枚图像，称为Layer图像）。[0033]-[0034]段提及距离越远生成的Layer尺寸越大，距离越近生成的Layer尺寸越小。

• 特征E、F：已实质公开。[0025]-[0026]段通过深度图与全像素图像的位置对应（位置合わせ），在特定区域（Region）内选择对应的Layer图像进行人体检测扫描。

3. 其他对比文件（简述）

• D5 (US2004178945A1)：公开了使用雷达获取距离，并在视频中圈定一个Search portion（搜索区域）来检测目标（特征A, B, E, F）。但未公开生成“多个缩放空间表示（图像金字塔）”（特征C、D）。

• D1 (CN104125433A)：涉及多球机联动监控与背景差分，不涉及图像缩放空间和非图像传感器提供的位置数据重叠搜索。

• D2 (JP2014137743A)：涉及占据栅格地图的生成和合成，与图像缩放空间搜索无关。

• D6 (US2010253492A1)：涉及在HUD风挡玻璃上显示行人检测结果，主要是传感器融合后的显示反馈，未揭示权利要求1的底层图像搜索剪裁机制。

三、 权利要求技术特征比对表格

四、 最接近的对比文件（CPA）分析与结论

判断标准：最接近的现有技术应是与所要求保护的发明旨在解决的技术问题最相关、技术效果最接近，且公开了最多相同技术特征的文献。

目标专利的整体解决的技术问题及技术效果：

• 问题：传统基于图像搜索扫描检测对象耗时且易误检。

• 效果：通过非图像位置数据（雷达或深度信息）结合图像缩放空间表示（金字塔/Layer），筛除不相关的图层，并在相关图层中裁剪出搜索区域，从而大幅降低运算负担，提高检测效率。

CPA分析：

1. D3 (JP2014142202A) 是极其合适的 CPA。

   • 解决的技术问题：D3在[0005]段明确提出“画像処理の処理量が膨大なものになるという問題があった”（图像处理的计算量非常庞大），这与目标专利解决的“基于图像的物件检测可缓慢且无效”的技术问题完全一致。

   • 技术效果：D3在[0010]段指出“画像処理の処理量を低減することができる”（能够降低图像处理的计算量），与目标专利“减少运算时间”的效果一致。

   • 特征贴合度最高：D3毫无异议地公开了“生成金字塔图像群（特征C）”、“根据雷达测量的距离选择相应的图像层面（特征D）”、以及“将空间位置映射到图像平面以设定探索范围（特征E）”。它从构思到实现细节与目标专利权利要求1高度吻合。

2. D4 (JP2014142832A) 同样是非常合适的 CPA。

   • 解决的技术问题：D4在[0007]段指出在高分辨率图像中搜索存在困难，需要更妥善地选择金字塔图像（ピラミッド画像の選択を可能とし）。

   • 特征贴合度：D4利用深度传感器（距离数据）与图像传感器配合，对图像划分区域（Region），并根据该区域的深度选择对应的Layer图像（特征C、D、E），缩小了人体检测的扫描范围，也实质公开了权利要求1的全部核心特征。

综合结论：

在进行创造性（非显而易见性）分析过程中，D3 (JP2014142202A) 和 D4 (JP2014142832A) 均非常适合作为最接近的对比文件（CPA）。其中，D3的系统架构（车辆辅助驾驶环境、雷达获取位置+摄像头获取图像、金字塔图像配合搜索窗口裁剪）与目标专利的应用场景和技术语言最为契合，建议首选D3 (JP2014142202A) 作为最接近的对比文件进行创造性评述；D4亦可作为并列的备选CPA进行评价。

您好！作为一名经验丰富的专利代理师，我已仔细阅读了您提供的目标专利权利要求1以及四份对比文件（D1-D4）。

目标专利（CN107111752B）的核心发明点在于传感器数据融合与计算效率优化：它通过结合“位置数据”（如雷达或3D地图）和“图像的多缩放空间表示”（不同分辨率的图像），仅在位置数据与缩放空间重叠的“子区（搜索区域）”内进行物件检测。这解决了传统全局图像遍历搜索计算量大、速度慢，以及单一雷达检测精度低的问题。

以下是紧密结合对比文件原文的详细比对分析及最接近对比文件的评估。

一、 权利要求1技术特征比对表格

为了直观展示各对比文件对权利要求1的公开情况，我整理了以下技术特征比对表（“√”表示毫无异议或实质公开，“×”表示未公开或未实质公开，“O”表示部分公开或相关）：

二、 对比文件详细出处与公开内容分析

D1 (US2014035909A1)

• 实质公开的特征：A, C, D

• 分析：D1实质公开了利用立体彩色图像生成3D形状的系统，其中涉及了多分辨率的图像处理。

  • 特征C、D：D1明确公开了生成图像的“缩放空间表示 (scale-space representations)”（见段落 [0027]："The processor 101 creates scale-space representations 208, 210 of the first image 204 and 216, 218 of the second image 206... A scale-space representation on a coarse scale may include less information... A scale-space representation on a fine scale..."）。这实质公开了具有不同分辨率的第一和第二缩放空间表示。

• 未公开的特征：D1未公开接收外部传感器的“位置数据”（特征B），也没有教导利用位置数据与缩放空间表示的重叠来确定搜索子区域（特征E）。

D2 (US2014064626A1)

• 实质公开的特征：A, C, D, F

• 分析：D2实质公开了一种基于图像金字塔的自适应图像处理方法。

  • 特征C、D：D2公开了“图像金字塔 (image pyramid)”，包含具有不同缩放级别（scale levels）的多个图像（见段落 [0026]："The image pyramid in which the plurality of images having the different scale levels are aligned according to scale levels may be input..."）。图像金字塔与目标专利中的“多个缩放空间表示（不同分辨率）”属于本领域的惯用替换。

  • 特征F：D2公开了在选定的缩放级别图像上进行特征点提取或物件检测（见段落 [0036]："The image processing unit 150 performs image processing... to extract an object related to the target model..."）。

• 未公开的特征：D2的优化逻辑是基于图像自身匹配度来选择最佳金字塔层级，而非接收外部的物件位置数据（特征B）并在重叠区建立搜索区域（特征E）。

D3 (US5617085A)

• 实质公开的特征：A, B, E(部分), F

• 分析：D3公开了一种用于监控车辆周围环境的设备，结合了CCD相机和激光雷达。

  • 特征B：D3明确公开了接收与物件相关联的位置数据（见段落 [0068]："The positional information (R, θA) in R-θ coordinates obtained in the above-mentioned manner is delivered to the coordinate transforming means 52"）。

  • 特征E、F：D3公开了将雷达检测到的位置坐标（代表位置数据）转换到相机图像坐标系下，并在图像上设定一个“窗口（window）”（即搜索区域）以判断车辆（物件）是否在其中（见段落 [0084]："The window setting means 561 sets a window for designating a specific region onto the outline image on the basis of the H-V coordinates of the representative point P..." 以及段落 [0088]："judges whether the forward vehicle is within the window 201..."）。

• 区别特征：D3的相机图像是单一分辨率的，并未提及对图像构建“多个缩放空间表示”，也没有在多缩放空间中进行重叠区计算（缺少特征C、D及E的缩放空间限定）。

D4 (US9213901B2)

• 实质公开的特征：A, B, E(部分), F

• 分析：D4公开了利用预测轨迹来提高视频对象跟踪效率的方法。

  • 特征B：D4公开了利用轨迹确定预测位置（见段落 [0063]："the probability of the tracking parameters for frame m+1 of being equal to si(m+1)..."）。

  • 特征E、F：D4公开了利用预测的位置数据来限制候选搜索区域的大小和形状，从而避免全局搜索（见段落 [0064]："the shape of the search region can correspond with the candidate search area... centered at locations defined by..." 及 [0069]："limiting the candidate search neighborhood to locations along, and neighboring, the most likely trajectory locations"）。

• 区别特征：与D3类似，D4同样未公开“多缩放空间表示”（图像金字塔/多分辨率）这一技术特征（缺少特征C、D）。

三、 最接近的对比文件 (Closest Prior Art) 分析

在进行创造性分析时，“最接近的对比文件”应当是与目标专利解决的技术问题最相近、技术领域相同、且公开技术特征最多的文件。目标专利可以有多个最接近的对比文件作为无效宣告的不同攻击路径。

首选最接近对比文件：D3 (US5617085A)

• 整体解决的技术问题：D3与目标专利完全一致，均致力于解决自动驾驶/车载监控场景下，单一传感器（雷达或图像）存在局限性，需要将“雷达的位置数据”与“相机的图像数据”进行传感器融合（Sensor Fusion）以精准定位和检测物件。

• 技术效果：D3通过将雷达的位置坐标映射到图像上建立 Window（搜索区域），实现了快速精准的物件判定。这与目标专利利用位置数据缩小图像搜索区域以“使得物件检测的时间减少”的效果高度契合。

• 适用性：D3公开了目标专利架构中最核心的逻辑（位置数据->坐标转换->在图像中划定搜索区域->检测）。将D3作为最接近的对比文件，目标专利的实际区别技术特征仅被限定在“引入了多缩放空间表示（即在不同分辨率下找重叠）”。此时，可以非常顺理成章地引入 D2 (US2014064626A1) 作为结合对比文件，论证将“多缩放空间（图像金字塔）”引入D3的窗口搜索中属于本领域的常规技术手段，以达到适配距离较远或较近物体的检测目的。

备选最接近对比文件：D2 (US2014064626A1)

• 整体解决的技术问题：D2致力于解决在多缩放级别（图像金字塔）中提取特征或检测物件时全局搜索导致“操作时间过长和计算复杂”的问题。

• 技术效果：通过选择性地在特定缩放级别上处理图像，减少运算时间并降低误报率。

• 适用性：D2的立足点在于“缩放空间搜索效率的优化”。如果以D2为最接近的对比文件，目标专利的区别特征在于“引入了外部的位置数据（雷达/3D地图）来直接锁定图像的子区”。此时可以结合 D3 或 D4，论证利用外部传感器（雷达）或预测轨迹提供的位置先验信息来限制图像搜索区域，是本领域技术人员为了进一步提升D2检测效率容易想到的手段。

结论建议：在实务操作中，D3作为最接近对比文件的攻击力度最强，因为“传感器融合+划定搜索框”是目标专利的物理执行框架，而“多缩放空间表示”仅仅是图像处理层面的一种分辨率变换算法。从硬件和系统工作流的角度看，D3的基底更为吻合。

您是否需要我以 D3为主，D2为辅 为您起草一份完整的关于权利要求1的创造性（新颖性丧失/显而易见性）无效论述段落？

作为一名经验丰富的专利代理师，我将紧密结合目标专利《使用位置数据和图像数据的缩放空间表示进行物件检测》的说明书，为您详细分析权利要求1，并与提供的各对比文件进行深入比对。

一、 权利要求1的解释与技术实质分析

结合目标专利说明书（如背景技术和发明内容部分），权利要求1旨在解决传统的基于图像的物件检测（例如车辆辅助驾驶中的行人或障碍物检测）中存在的“全图盲搜”导致的速度慢、计算量大以及单纯位置传感器误差大的问题。

权利要求1的核心技术方案是：利用位置数据（如雷达、GPS或3D地图数据）来限定图像的搜索区域，同时利用图像的多个不同分辨率的“缩放空间表示”（对应不同距离），仅在位置数据与合适分辨率的缩放空间表示重叠的“子区”内进行物件检测。 这样避免了对整个高分辨率图像进行全面搜索，极大提高了检测效率和准确性。

二、 对比文件技术特征公开情况及特征比对表

在提供的7篇对比文件中，大部分文件涉及完全不同的技术领域（如D2涉及粒子成像、D4涉及手机V2V通信报警、D5涉及LAN连接、D6涉及超材料电磁测量、D7涉及UWB脉冲解码）。

经详细分析，D3（EP2026246A1） 是与本专利最为相关的对比文件，它同样应用于车辆驾驶辅助系统中的目标识别，并且结合了2D图像和3D距离信息对图像分辨率（重采样）进行处理。D1（CN104125419A） 虽然涉及图像分辨率调整，但未公开利用位置数据限定搜索区域以及多个缩放空间表示的技术。

以下为权利要求1与对比文件的详细特征比对表：

注：D1（CN104125419A）仅公开了根据视场内是否有动态目标来整体调节CMOS传感器的输出分辨率，并未公开特征B、D、E、F，不具备破坏创造性的关键特征。D2、D4、D5、D6、D7的技术领域与解决的技术问题完全不同，未公开上述实质性技术特征。

三、 最接近的对比文件（CPA）分析

在评价创造性时，D3（EP2026246A1）是最适合作为最接近的对比文件（Closest Prior Art）。

1. 从技术领域来看：

目标专利与D3均属于计算机视觉与车辆辅助驾驶（ADAS）领域，具体涉及在车辆行驶环境中通过图像和距离/位置传感器对前方物体（如车辆、行人）进行检测与识别。

2. 从整体解决的技术问题来看：

• 目标专利致力于解决图像检测计算量大、速度慢的问题。其思路是：用位置数据“圈出”嫌疑区域，并在与该距离匹配的特定分辨率的图像层（缩放空间）中进行局部检测。

• D3 (EP2026246A1) 致力于解决不同距离导致目标在图像中大小不一，从而影响识别算法准确率的问题。其思路是：用3D传感器获取物体距离并“圈出”物体在2D图像中的位置，然后根据该距离对该局部区域进行重采样（改变分辨率/缩放），使得所有距离的目标在送入识别器时具有相似的像素尺寸。

3. 从技术效果来看：

两者都实现了将**“位置/距离数据”与“2D图像不同分辨率的转换/映射”深度结合**，并且都通过**在图像中划定子区域（子集）**来减少处理资源的浪费并提高识别精度。D3实质上已经公开了根据距离信息在原始图像中提取子区域，并使用具有不同分辨率特征的图像表示来完成物件评估的完整链路。

总结： D3 (EP2026246A1) 涵盖了本专利权利要求1的绝大多数架构特征，是创造性评判中最具威胁、也是最适合作为评价起点的最接近的对比文件。在实际的OA答复或无效宣告程序中，专利权人或申请人需要重点争辩目标专利中“预先生成多个缩放空间表示再进行区域重叠匹配”与D3中“先框定区域再进行针对性的重采样（缩放）”在特定计算架构下所带来的处理速度差异及非显而易见性。

作为一名经验丰富的专利代理师，我将紧密结合目标专利说明书的记载，为您详细解释权利要求1的保护范围，并对提供的7篇对比文件进行侵权/可专利性特征比对分析，最后评估最接近的对比文件。

一、 权利要求1的解释

结合目标专利说明书（CN107111752B），权利要求1要求保护一种用于物件检测的设备（通常应用于运载工具/汽车的自动驾驶或辅助驾驶系统中）。该设备旨在解决传统的纯图像物件检测速度慢且无法应对物体距离变化导致的缩放问题，以及纯雷达/位置传感器精度不足的问题。

权利要求1的核心创新点和工作逻辑如下：

1. 多传感器融合融合（特征B、C）：设备同时接收来自位置传感器（如雷达、GPS或3D地图）的“位置数据”，以及来自摄影机的“图像数据”。

2. 多缩放空间表示（特征C、D）：这是本专利的关键概念（说明书[0007]-[0008]段）。设备不单纯在一张原始高分辨率图像上进行搜索，而是生成该场景的“多个缩放空间表示”（例如全分辨率的高分辨率图像、降低采样的中分辨率图像、低分辨率图像）。这些不同分辨率的图像平面在物理逻辑上对应于距图像传感器不同距离的视野。

3. 基于重叠识别搜索区域（特征E）：设备利用位置数据估算出一个物体可能存在的3D区域（估计区），然后判断这个估计区与哪一个或哪几个缩放空间表示（即哪个距离对应的分辨率平面）发生“重叠”或相交。通过这种重叠，系统不仅确定了在图像平面上的X-Y搜索边界，还自动选择了最合适分辨率的缩放空间表示。

4. 执行检测（特征F）：仅在选定的那个/些缩放空间表示的重叠子区（搜索区域）内运用计算机视觉（如基于模型的检测）进行检测。

技术效果：极大地缩小了图像搜索范围，降低了计算复杂度；同时解决了当行人等物体非常靠近车辆时，在全分辨率图像中显得“过大”而导致基于固定像素尺寸的模型检测失败的问题（通过在低分辨率/缩小采样的缩放空间中检测来解决）。

二、 对比文件特征公开情况分析

在您提供的7篇对比文件中，D1（US2005004762A1）和D7（US2013223686A1）属于与目标专利相同的车载障碍物/移动物体检测领域，且均公开了结合雷达位置数据与相机图像数据进行检测的技术方案。

• D2 (US2005096525A1) 涉及医学图像的体积表征，虽然提及了“缩放空间(scale-space)”和“海森矩阵”，但其应用场景为医学MRI/CT等，未公开结合外部物理位置数据来确定图像缩放空间搜索区域的特征。

• D3 (US2008071559A1) 涉及增强现实辅助购物，与本案自动驾驶/物件检测的场景和技术手段无关。

• D4-D6 涉及数码相机图像存储、伽马射线闪烁探测器、水凝胶形成等，与本案技术领域完全无关。

因此，以下特征比对将重点围绕高度相关的 D1 和 D7 展开。

三、 特征比对表格

四、 最接近的对比文件及创造性分析

从整体解决的技术问题以及技术效果角度分析，D1 (US2005004762A1) 是创造性分析过程中最适合作为最接近的对比文件 (CPA) 的文献。

1. 为什么选择 D1 作为最接近的对比文件？

• 相同的技术领域与应用场景：D1与目标专利均应用于车辆辅助驾驶/自动驾驶领域，皆为车载障碍物/物件检测设备。

• 解决相同的技术问题：两者都致力于解决单一图像处理进行全局目标搜索耗时过长、计算量过大的问题。

• 采用高度相似的基础技术构架：D1和目标专利都采用了“位置传感器（激光雷达）+ 图像传感器（相机）+ 处理器”的硬件架构；并且在逻辑上，两者都教导了**“利用雷达获取的物体位置（3D/2D坐标）来限定相机图像中的搜索区域（Bounding Box），从而减少图像处理的计算负荷”**这一核心思想。

2. 目标专利相对于 D1 的区别技术特征

目标专利相对于D1的主要区别在于权利要求1中的特征C（后半部分）、特征D和特征E（后半部分）：

即，目标专利生成了代表不同分辨率、对应不同距离的多个缩放空间表示，且计算位置数据指示的区域与这些缩放空间表示的重叠，以此来不仅确定搜索的X-Y边界，还选定在何种分辨率（缩放空间）下进行对象检测。

3. 区别技术特征带来的技术效果

根据目标专利说明书[0008]段的记载，该区别特征解决了一个深层次的机器视觉问题：物体的视觉缩放问题。

在D1中，如果行人离车辆非常近，行人在高分辨率图像中的像素高度会极大（例如超过100像素）。如果车载系统使用的是基于固定尺寸模型（如基于80像素高度训练）的物件检测算法，那么这个过大的行人将无法被检测到（漏检）。

目标专利通过建立“多个缩放空间表示”，当位置数据表明物体距离极近时，其估计区会与“降低采样的低分辨率缩放空间表示”发生重叠。此时系统直接在低分辨率空间中进行搜索，原本180像素高的行人被缩小为90像素，从而完美契合现有的固定尺寸检测模型。

技术效果：不仅进一步降低了计算复杂度（避免了对高分辨率图像进行多尺度金字塔滑动窗口的暴力搜索），还显著提高了针对不同距离物体的检测成功率。

4. 辅助参考：关于 D7

D7 (US2013223686A1) 虽然也是雷达+相机的车载系统，但其核心解决的技术问题是“移动物体的未来轨迹预测（使用粒子滤波和概率图）”，而非“如何优化当前帧的图像目标识别”。其图像识别部分（段落[0088]直接使用SVM等技术进行识别）是作为预测系统的输入，并未对“如何利用雷达数据去加速图像识别算法”进行深究。因此，D1在技术问题和技术手段的对应性上远比D7更接近目标专利。

你好。作为一名专业的专利代理师，我将为你对目标专利（CN107111752B）的权利要求1进行深度拆解，并紧密结合提供的7篇对比文件原文，客观、详实地进行技术特征比对及创造性分析中的最接近的对比文件（CPA）评估。

一、 紧密结合目标专利说明书解释权利要求1

权利要求1要求保护一种用于物件检测的设备，其核心在于通过结合位置数据与图像数据的多分辨率缩放空间表示，来缩小搜索区域并提高检测效率。结合目标专利说明书，各技术特征的解释如下：

• 技术特征A（硬件基础）：定义了设备包含存储器。

• 技术特征B（位置数据获取）：设备包含处理器，接收与待检测物件（如行人、车辆等）相关联的位置数据。说明书指出，该位置数据可以来自雷达、激光雷达、超声波、GPS或3D地图（参见说明书[0007]、[0029]），用于初步确定物件的可能存在区域或“估计区”。

• 技术特征C（多缩放空间表示）：处理器接收来自图像传感器的场景图像。为了应对物件在不同距离下由于透视缩放导致的像素大小差异，处理器利用图像数据生成多个“缩放空间表示”（例如全分辨率、1/2降采样、1/5降采样等），即第一和第二缩放空间表示（参见说明书[0008]、[0032]）。

• 技术特征D（距离与分辨率的映射关系）：明确了不同分辨率的缩放空间表示，在物理意义上对应于场景同一视野中、在同一方向上距图像传感器不同距离的图像平面。例如，低分辨率对应近距离（应对近处显得高大的物件），高分辨率对应远距离（参见说明书[0031]、[0036]）。

• 技术特征E（重叠搜索区域确定）：这是本专利的核心步骤。处理器并非在所有分辨率图像中进行全图盲搜，而是将位置数据（估计区）映射到对应的图像平面。只有当某个缩放空间表示对应的图像平面与位置数据的估计区存在空间“重叠”或“相交”时，才将该重叠部分（子区）识别为“搜索区域”（参见说明书[0033]-[0034]）。

• 技术特征F（精准检测）：最终的计算机视觉操作（物件检测）仅在这个被极大缩小的、特定缩放空间表示的重叠搜索区域中执行，从而节省计算资源并提高响应速度（参见说明书[0034]）。

二、 对比文件公开情况详细分析

以下分析各对比文件对上述权利要求技术特征的公开情况（重点聚焦实质公开内容）：

1. D1 (US2014282220A1_Description)

• 特征A-B：公开了计算设备、存储器及处理器（如Para [0047]-[0049] Computing system 600 includes a logic subsystem 602 and a storage subsystem 604）。

• 特征C-F：D1主要涉及在增强现实（AR）图像中呈现3D对象模型，利用相机获取物理场景（Para [0012]）。虽然提及了表面追踪，但未公开多分辨率缩放空间表示，也未公开基于位置数据与缩放空间的重叠来限定物件检测的搜索区域。

2. D2 (US2015269785A1_Description)

• 特征A-B：公开了处理器和存储器（如Para [0043] memory 104... processor 102）。

• 特征C-F：D2涉及在3D模型中选择2D图像数据进行显示及视点转换（Para [0036]-[0038]）。未公开用于对象检测的多缩放空间表示，亦未公开特征D和E中关于不同距离分辨率映射与重叠区域计算的技术特征。

3. D3 (US2016068560A1_Description)

• 整体说明：D3属于生物医药/生化学科（涉及cGAS酶的晶体结构与细胞信号传导）。尽管其在附图中提到了计算机系统（Para [0121] computing device 2500 includes a processor 2502, a memory 2504），但其技术场景与图像对象检测完全无关。未公开特征B至F。

4. D4 (US7804982B2_Description)

• 特征A-C：公开了工作站、处理器、存储器及面部图像的获取与生物特征模板匹配（如Para [0119] workstation 10 includes a central processor 12, associated memory 14）。

• 特征D-F：涉及通过检测眼睛坐标生成模板（Para [0334]-[0335]），但未公开构建多缩放空间表示，也未公开利用外部位置数据与缩放空间的重叠来限定对象搜索区域（特征D、E）。

5. D5 (US9501725B2_Description)

• 特征A-B：毫无异议地公开了设备、存储器及处理器（Para [0086]-[0087] mobile device 500 includes processor 510... Memory 520）。实质公开了获取相机的位姿及目标（target）的位置数据（Para [0045]-[0046] position of a device refers to the spatial location and orientation...）。

• 特征C：实质公开。D5通过相机模块捕获包含物件的场景图像，并在段落[0065]明确披露了在不同尺度上处理图像以检测兴趣点（images are processed at various scales to detect preferred points of interest...），这构成了多缩放空间表示。

• 特征D：未明确公开。D5提及了在不同尺度下提取特征，但并未明确将第一/第二缩放空间与距离传感器的同一方向上不同距离建立严格对应关系。

• 特征E：实质公开了部分思想。D5利用已知目标（target）和位置数据定义一个3D坐标的边界框（bounding box），丢弃边界框之外的点（Para [0062] define a bounding box of three-dimensional coordinates... discarding points outside this bounding box）。这与利用位置数据来限定并过滤“搜索区域”的核心思想高度相似，但未明确指出“与多个缩放空间表示的区域重叠”。

• 特征F：毫无异议地公开。提取并检测限定区域内物件的特征点（key points）（Para [0057]）。

6. D6 (US9886774B2_Description)

• 特征A-B：公开了计算云服务器、处理器及存储器（Para [0061]）。

• 特征C、F：公开了视频相机捕获图像并通过运动恢复结构（SfM）算法检测边界和生成点云/线云（Para [0049]、[0062]）。

• 特征D-E：未公开使用缩放空间表示以及基于位置数据重叠界定搜索区域的技术特征。

7. D7 (US9928418B2_Description)

• 特征A-B：公开了计算机系统、处理器和存储器（Para [0004]）。

• 特征C、F：涉及在图像中检测矩形对象（如照片），并公开了对图像进行降采样/图像缩放插值算法（Para [0092]-[0103] Image interpolation techniques (a.k.a. image resizing, image resampling...）。

• 特征D-E：未公开。其图像缩放主要用于整体分辨率适配或显示，并非通过映射不同距离的位置数据来进行重叠区域的过滤。

三、 特征比对表格

(注：D3为生物大分子相关专利，其公开的特征A与B属于通用的计算机硬件描述，脱离了图像处理的具体应用语境)

四、 最接近的对比文件（CPA）分析

在创造性分析中，选择最接近的对比文件（CPA）的原则是：与目标专利属于相同或相近的技术领域，解决类似的技术问题，并公开了最多的技术特征。

最适合作为CPA的是：D5 (US9501725B2)

1. 从整体解决的技术问题角度

• 目标专利面临的技术问题是：在处理高分辨率图像以进行物件检测时，传统的全图滑窗扫描（蛮力搜索）计算量大、耗时长，无法满足运载工具等设备对实时性的要求。

• D5面临的技术问题是：移动设备（如手机相机）在进行3D对象扫描和识别时，处理能力和存储空间极其有限（mobile devices with embedded digital cameras may have limited storage and processing）。两者解决的核心技术问题均为：如何通过技术手段减少视觉检测过程中的计算负荷并提高处理效率。

2. 从技术效果角度

• 目标专利通过引入外部位置数据（限定可能存在的三维区域），并只在对应的多尺度缩放空间中寻找“重叠”的部分进行局部检测，达到了精准剔除无关图像数据、降低计算复杂度的效果。

• D5采取了高度类似的技术路线：通过相机的位姿和目标的位置数据，界定出一个3D坐标边界框（bounding box），在进行多尺度特征提取（processed at various scales）时，通过空间位置过滤掉边界框之外的所有兴趣点（discarding points outside this bounding box），同样达到了极大地压缩冗余数据、实现轻量化检测（compact object representations）的技术效果。

结论

D5在技术领域、解决的技术问题及实现的技术效果上与目标专利高度契合。此外，D5明确公开了多尺度图像处理（对应特征C的缩放空间）以及基于位置数据限定分析区域（对应特征E的边界框过滤）。在创造性评判（三步法）中，将D5作为起点，审查员可以清晰地界定目标专利的区别技术特征为：建立物理距离与不同分辨率缩放空间的显式映射关系（特征D），并通过位置区与图像面的直接重叠算法来取代D5中的3D边界框点过滤（特征E的后半部分）。因此，D5是构建创造性评述逻辑最严密、最贴切的CPA。

作为一名经验丰富的专利代理师，我已仔细阅读并深入分析了目标专利说明书（CN107111752B）、权利要求1以及所提供的六篇对比文件。

通过将权利要求1的技术特征与对比文件进行逐一比对，我将为您提供详细的特征比对表格、各对比文件的公开情况分析、最接近的现有技术（CPA）的选取理由，以及关于权利要求1无效可能性的专业结论。

一、 权利要求1技术特征分解与对比文件公开情况比对表

通过初步筛选，**D1（JP2014142202A）和D2（JP2014142832A）**与本专利的相关度最高，它们均涉及结合距离/位置数据与图像金字塔（缩放空间）进行对象检测的技术。D3-D6虽然涉及对象检测或图像处理，但在“基于位置数据与多缩放空间表示的重叠来确定搜索区域”这一核心逻辑上缺乏直接启示。因此，下表重点比对D1和D2。

二、 对比文件毫无异议或实质公开的技术特征详细分析

1. 对比文件 D1 (JP2014142202A) 的详细分析

D1 是一篇高度相关的文献，它实质上公开了权利要求1的所有技术特征。

• 特征B、C（位置数据与缩放空间表示）：D1原文[0016]-[0019]明确记载了利用雷达装置（レーダ装置20）获取三维位置信息，利用车载相机（車載カメラ10）获取图像，并通过图像处理部41生成基本图像的多个降采样版本，称为“金字塔图像群（ピラミッド画像群）”。这毫无异议地公开了“位置数据”以及“多个缩放空间表示”。

• 特征D（距离与分辨率/缩放空间的关联）：D1原文[0021]记载了“根据作为位置信息检测出的从本车到目标候选的距离，从输入的金字塔图像群中选择一个或多个图像（自車両から物標候補までの距離に従って...ピラミッド画像群の中から１ないしは複数の画像を選択する）”。这毫无异议地公开了距离与缩放空间表示（不同分辨率）之间的映射关联关系。

• 特征E（基于重叠识别搜索区域）：权利要求中的“重叠（overlap）”在目标专利说明书（如[0033]-[0034]段及图1）中解释为：估计的三维区（估计区118）与对应于特定分辨率的图像平面（如线段113）在空间中的相交/投影。D1在[0023]-[0025]段明确记载了：将雷达检测到的三维空间位置作为测量位置，转换为对应摄像图像上的位置（画面测量位置），并以此为中心设定预定范围的**“图像探索范围”。将3D雷达测距数据投影到对应距离的2D金字塔图像上并划定边界（Bounding Box），这在数学和空间几何意义上与本专利的“确定重叠并识别搜索区域”是实质相同的技术手段**，属于实质公开。

• 特征F（在搜索区域中检测）：D1在[0022]段记载了在设定的图像探索范围（搜索区域）内执行模式匹配处理（パタンマッチング処理）来判定对象，毫无异议地公开了该特征。

2. 对比文件 D2 (JP2014142832A) 的详细分析

D2 同样构成了极强的威胁，其实质公开了权利要求的大部分内容。

• D2通过距离传感器（Distance Sensor 14）获取深度图（特征B），并对图像生成多种缩放比例的层图像（Layer Image）（特征C）。

• 在原文[0032]-[0033]段以及图5的表格中，D2明确教导了为图像的每个划分区域（Region）依据其深度（Depth）来选择最合适的人体检测处理层（Layer）。这实质公开了特征D和特征E，即根据深度的位置数据来锁定在特定缩放空间表示上的特定区域。

(注：D3利用雷达确定搜索区域但未明确提及多缩放金字塔机制；D4-D6距离权利要求1的核心方案较远，无需作为主要对比文件使用。)

三、 创造性分析过程中最接近的对比文件（CPA）的选取

在创造性分析中，D1（JP2014142202A）最适合作为最接近的对比文件（CPA）。理由如下：

1. 从整体解决的技术问题来看：目标专利旨在解决的问题是“基于图像的全面对象检测（如搜索所有金字塔图像）过于缓慢且计算复杂”（参见目标专利[0005]-[0007]）。D1致力于解决的完全是相同的技术问题，即“在整个次级图像屏幕上反复进行图案匹配会导致海量的图像处理工作量”（参见D1原文[0005]），需要降低图像处理量。

2. 从技术效果来看：目标专利通过“位置数据+指定缩放空间子区搜索”实现了避免全图盲搜，提高了检测效率。D1同样通过“利用雷达三维位置限定特定的金字塔图像及局部搜索范围”，实现了完全一致的技术效果（参见D1原文[0010]）。

3. 技术领域的重合度：两者均具体应用于车辆ADAS（高级驾驶辅助系统）或车载目标检测系统中的雷达与摄像头的传感器融合（Sensor Fusion）。

四、 关于无效权利要求1的专业结论及组合方式

结论：有充分的把握可以毫无异议地无效掉权利要求1。

无效路径/组合建议：

• 路径一：仅使用 D1 结合本领域的公知常识（直接导致缺乏创造性甚至新颖性）

  如前文分析，D1已经公开了权利要求1中绝绝大部分的特征。唯一的文字差异在于，权利要求1使用了“基于……重叠而识别……搜索区域”这种较为空泛和几何化的表述，而D1使用的是“将三维位置转换为二维画面测量位置并框定探索范围”的具体算法表述。

  在无效宣告程序中，可以主张D1的“坐标转换及设定范围”与权利要求1的“区与区域的重叠”属于实质相同的技术手段。退一步讲，即便审查员认为“重叠”构成区别技术特征，但在计算机视觉和多传感器融合领域，将雷达探测的三维不确定性范围（Volume）投影（即空间相交/重叠）至特定焦距和分辨率的二维图像平面以形成2D搜索框（Search Region），是本领域技术人员为了实现目标检测而惯用的数学几何映射公知常识。因此，D1 + 本领域公知常识 足以毫无异议地宣告权利要求1无效。

• 路径二：使用 D1 与 D2 的结合

  如果需要进一步强化对“特征E（针对多个缩放空间表示的子区映射）”的攻击，可以采用 D1 结合 D2 的方式。

  D1提供了雷达+金字塔图像+确定局部搜索范围的主体框架；D2（如原文[0032]及图5）提供了更为细化的“依据不同网格区域（Region）的深度（Depth）硬性关联到对应层级（Layer）”的直观映射表（Lookup Table）机制。D1与D2属于相同技术领域，两者结合能更加严密地覆盖权利要求1中“基于位置数据指示的区...与多个缩放空间表示...相关联的区域的重叠”这一限定，使得权利要求1完全丧失创造性。

作为一名专业的专利代理师，我已根据您提供的目标专利权利要求1以及对比文件D1至D6的原文，为您撰写了针对权利要求1的无效宣告请求书（创造性部分）的核心正文。

本无效请求主张权利要求1不具备创造性，符合《专利法》第二十二条第三款的规定，应当予以宣告无效。 具体的无效理由及证据组合方式为：对比文件1（D1）结合对比文件2（D2）及本领域的公知常识。

一、 证据使用及对比文件简述

• 对比文件1（D1，JP2014142202A）：公开了一种车载物标检测装置，涉及雷达与相机传感器融合，通过金字塔图像群（多缩放空间表示）和雷达位置信息限定图像探索范围（搜索区域），以降低图像处理量。作为最接近的现有技术（CPA）。

• 对比文件2（D2，JP2014142832A）：公开了一种图像处理装置，具体教导了将图像划分为多个区域，并根据各区域的深度（距离）数据，从金字塔图像（层图像）中映射选择最合适的特定缩放空间图像层进行局部检测。作为提供核心结合启示的对比文件。

二、 权利要求1技术特征分解与比对表

以下为权利要求1的技术特征与D1、D2公开内容的详细比对：

三、 缺乏创造性的详细论述（D1结合D2）

1. 确定最接近的现有技术 (CPA)

D1与本专利属于相同的技术领域（传感器融合与对象检测），并且解决的客观技术问题完全相同，即：在使用金字塔图像（多缩放空间表示）进行对象检测时，全图遍历匹配会导致“图像处理的计算量庞大”（D1原文[0005]），需要通过位置传感器数据来限定搜索范围，从而降低处理负荷。因此，D1最适合作为评价权利要求1创造性的起点。

2. 确定区别技术特征与实际解决的技术问题

将权利要求1与D1进行对比，D1已经公开了利用存储器、处理器接收位置数据（雷达数据），生成多个缩放空间表示（金字塔图像群），并基于目标距离选择对应的金字塔图像，随后将3D位置坐标映射为二维图像的局部范围进行对象检测。

如果认为权利要求1中的表述与D1存在字面差异，该唯一的潜在区别技术特征在于特征E的具体表述逻辑：即权利要求1强调了“基于由位置数据指示的区和与场景的多个缩放空间表示...相关联的区域的重叠（overlap）”来识别搜索区域。而D1的表述是直接通过坐标转换确定“画面测量位置”并向外扩展固定尺寸得出矩形搜索区域（原文[0023]-[0024]）。

基于上述区别特征，权利要求1实际解决的技术问题是：如何建立三维空间的位置/深度数据与多分辨率二维图像平面的具体映射或相交关系，以更准确地划定局部搜索框。

3. D2 提供了明确的结合启示

在解决上述技术问题时，本领域技术人员有充分的动机去寻找同样涉及利用距离/深度信息优化金字塔图像检测的现有技术，而D2恰好提供了直接且明确的启示。

• D2补全了“区与区域的重叠（映射）”的教导：D2在其原文[0032]-[0033]段及图5中详细披露了其核心逻辑。D2将读取的图像划分为多个区域（如原文所述的“图3中的纵3横4分割”），并获取对应于这些图像区域（Region）的距离映射（深度图Depth图4）。随后，D2基于深度数据（相当于权利要求1中“位置数据指示的区”）与二维图像划分网格（相当于“多个缩放空间表示相关联的区域”），建立了一张映射表（对应原文图5），明确规定了特定的深度区重叠对应于哪一层的金字塔图像及其局部区域。

• 结合的显而易见性：D1提供了“雷达三维测距+金字塔多分辨率图像=缩减搜索区域”的基础框架；D2则提供了极其细化的“三维深度区域与二维金字塔各图层分区之间的重叠映射机制”。由于D1与D2均旨在通过深度/位置信息避免全尺寸金字塔图像的全局扫描以提升检测速度，本领域技术人员在面临优化D1中图像搜索区域映射逻辑的需求时，极易想到引入D2中通过区域网格与深度图进行重叠映射比对的方案。

• 一旦将D2的区域重叠映射方法应用于D1，便会直接且显而易见地得出权利要求1所限定的“基于由位置数据指示的区和...相关联的区域的重叠而识别...搜索区域”的技术方案。

因此，权利要求1相对于D1与D2的结合不具备突出的实质性特点和显著的进步，不符合《专利法》第二十二条第三款关于创造性的规定。

四、 其他对比文件的补强作用（D3-D6的辅助论证）

为了进一步夯实无效理由，防止专利权人诡辩“重叠（overlap）”包含特殊的算法优势，我们可以利用D3 (US2005004762A1) 作为公知常识的强力补强证据：

• 论证将3D位置投影至2D图像以生成搜索区域是惯用手段：D3（参见其原文[0046]-[0047]及公式8-12）详细公开了将雷达检测到的障碍物三维坐标及雷达探测精度误差，结合相机的焦距、安装高度等参数，通过明确的数学公式投影计算出二维图像上的矩形像素边界（disp_obj_XL, disp_obj_XR 等）。

• 补强结论：D3的教导充分证明，在车载多传感器融合领域，利用雷达产生的空间位置“不确定区（Volume）”与摄像头产生的二维平面相交/重叠，进而计算出对应的2D子区搜索边界，是本领域技术人员解决此类问题时广泛采用的数学几何映射公知常识。因此，即便不引入D2，权利要求1中的“重叠”也仅仅是运用本领域公知常规数学投影手段的必然结果，无法为其带来任何创造性高度。

针对上述无效宣告理由的论述，您是否需要我进一步提炼一份针对此无效请求的口头审理（口审）辩论大纲，或者需要我继续对目标专利的其他从属权利要求（若有）进行相似的无效检索分析？

作为专利权人的代理师，针对请求人提出的无效宣告请求，我方认为请求人的理由存在对目标专利权利要求的严重误读，且对对比文件（D1、D2、D3）公开内容的认定存在主观拼凑和过度引申。

权利要求1具备突出的实质性特点和显著的进步，符合《专利法》第二十二条第三款的规定，应当予以维持有效。 现提出如下详尽的反驳意见：

一、 核心反驳焦点：准确界定权利要求1的保护范围及实际解决的技术问题

请求人之所以得出“D1结合D2或公知常识”破坏创造性的错误结论，根源在于其脱离了目标专利说明书的语境，将权利要求1中极具空间几何特征的“重叠（Overlap）”机制，泛化、等同于常规的“根据坐标画框”或“查表映射”。

根据目标专利说明书（如[0033]-[0034]段及说明书附图1），权利要求1中的：

1. “由位置数据指示的区（Zone）”：并非简单的一个点坐标，而是考虑了传感器误差容限、对象运动等因素后形成的一个包含可能位置的三维/二维空间范围（例如图1中的圆形估计区118）。

2. “与多个缩放空间表示相关联的区域”：每一个缩放空间（不同分辨率）在物理或几何意义上对应于距图像传感器不同距离的投影平面（例如图1中的线段111代表高分辨率平面、113代表中分辨率平面、115代表低分辨率平面）。

3. “重叠（Overlap）而识别……搜索区域”：其核心逻辑是，判断代表对象位置的“估计区118”这个空间体，在空间中与哪一个或哪几个“缩放空间表示的投影平面（如线段113）”发生物理/几何上的相交（重叠）。发生相交的平面即为被选中的层，而相交部分的边界（如交点C0与C1之间的线段）即自动界定了该层内的“搜索区域”。

这一“通过空间不确定性区域与多尺度图像平面的三维重叠来一并解决尺度选择和ROI（感兴趣区域）裁切”的技术方案，是本专利的核心贡献。

二、 反驳对比文件1（D1）作为最接近现有技术的认定

请求人声称D1（JP2014142202A）“实质公开”了特征E。我方坚决不予认可。

1. D1未公开“由位置数据指示的区”与“缩放空间表示”的重叠

D1的逻辑（原文[0023]-[0025]）是：将雷达探测到的三维目标作为一个点（测量位置），将该点映射到二维图像上成为一个中心点（画面测量位置），然后机械地以该点为中心，加上预设的宽度（W0的3倍）和高度（H0的2倍），硬性划定一个矩形的“第1探索范围”。

• 区别显而易见：D1中根本不存在一个代表位置不确定性的“空间区（Volume/Zone）”，也不存在该区与不同焦距/分辨率层（金字塔图像）发生“重叠/相交”的过程。D1仅仅是“单点投影+固定扩边”的常规操作，完全没有本专利通过评估空间重叠来动态确定搜索边界的几何机制。

2. D1未解决相同的技术问题

D1确实使用了金字塔图像和雷达，但其尺度选择是仅仅依靠“距离”进行一维的一对一映射（原文[0021]）。一旦对象的误差区横跨两个不同的尺度空间，D1的逻辑就会失效或漏检。而本专利由于使用了“区与平面重叠”的机制（如说明书[0036]段所述，如果估计区较大，可同时与两个缩放空间平面相交），能够动态处理边界模糊问题。D1并未给出相关教导。

三、 反驳 D1 结合 D2 破坏创造性的主张（缺乏结合启示）

请求人试图用D2（JP2014142832A）来修补D1的缺陷，主张D2公开了“区与区域的重叠”，这是对D2的严重曲解，且两者根本不存在结合的动机。

1. D2未公开特征E的“重叠”机制，属于机械的查表映射

请求人引用的D2原文[0032]-[0033]段及图5，其真实技术方案是：将整个视野画面死板地划分为纵3横4的固定网格（Region 1.1, 1.2...），然后测量每个固定网格背景的深度（Depth），根据深度的远近，查表（Lookup Table）决定该网格适用哪一层级的金字塔图像（Layer 1-6）。

• 本专利的“区（Zone）”是跟随被检测物件移动的动态估计范围；而D2的“区域（Region）”是固定不动的屏幕划分网格。

• 本专利的“重叠”是基于雷达定位误差形成的三维空间域与二维切面的几何空间相交；而D2仅仅是基于网格深度的查表指派。D2根本没有公开权利要求1所述的“重叠（Overlap）”机制。

2. D1与D2存在技术排斥，本领域技术人员缺乏结合动机

• 技术路线相斥：D1是以**“被检测对象为中心”的追踪逻辑（先找雷达点，再在点周围画框，只处理该框）；D2是以“全图背景划分为基础”**的遍历逻辑（把全图分成12个格子，给每个格子分配一个处理层并全部进行检测）。

• 缺乏启示：如果本领域技术人员从D1出发，他已经拥有了根据雷达距离点直接选择金字塔图像层的方案（D1原文[0021]）。他有何动机去放弃简单高效的“单点-层”映射，转而引入D2那种极其笨重的“全图切分网格-逐个网格查深度表”的机制？更何况，即便强行将D2引入D1，得到的结果也只是“在框定的探索范围内，按照固定网格切分查表”，这与本专利“基于物件三维不确定区与各缩放平面的空间相交来识别搜索区域”的技术方案南辕北辙，差之千里。

四、 反驳 D3 及公知常识的补强主张

请求人备选提出用D3（US2005004762A1）的公式8-12证明“位置投影生成搜索区域是公知常识”。这一论点同样站不住脚。

1. D3缺失“多个缩放空间表示”这一核心前提：D3的公式确实在计算雷达探测误差在图像上的像素边界，但D3是基于单一固定分辨率的2D图像进行计算的。

2. D3无法启发三维空间与多尺度平面的相交：权利要求1的精妙之处在于，其将“多个缩放空间表示（金字塔层）”在物理上等效放置于距传感器不同距离的多个Z轴切面上，随后用含有误差的3D目标区去穿透这些切面。D3仅仅教导了在单一X-Y平面上计算误差宽度，完全没有教导如何利用这一误差体积在Z轴方向上筛选“多缩放空间表示（即多金字塔层级）”并确定各层内的边界。因此，D3根本无法作为否定特征E创造性的公知常识。

五、 结论

综上所述，请求人提出的无效宣告理由不能成立。

1. D1没有公开基于物件的估计区与多个缩放空间平面的空间“重叠”来识别子区的核心特征（特征E）。

2. D2不仅没有公开上述特征，而且其基于“固定屏幕网格查表”的逻辑与D1基于“对象坐标画框”的逻辑存在冲突，不存在结合启示。

3. D3仅限于单图层计算，无法证明该三维多尺度交汇机制属于公知常识。

目标专利权利要求1将对象的位置不确定性通过空间几何重叠的方式巧妙地映射到多个缩放空间表示中，以极低的处理代价同时完成了“尺度筛选”与“ROI裁剪”，取得了显著降低计算复杂度的优异技术效果，具备突出的实质性特点和显著的进步，恳请合议组驳回请求人的无效请求，全案维持本专利有效。

作为无效宣告请求人的代理师，针对专利权人（以下简称“被请求人”）提出的反驳意见，我方认为其辩护逻辑存在致命的法律与技术漏洞。其核心谬误在于违反了权利要求解释的基本原则，将说明书中的具体实施例（如“3D空间体与Z轴多切面相交”）强行读入权利要求1中，以此人为制造区别技术特征。

根据《专利审查指南》的相关规定，在无效程序中，权利要求应当给予其最宽泛的合理解释。基于此，我方提出以下强有力的反驳意见，进一步论证权利要求1应当被宣告无效：

一、 强烈反驳：被请求人将说明书限制读入权利要求，混淆了保护范围

被请求人长篇大论地强调“由位置数据指示的区”是“包含误差的三维空间体（Volume）”，“重叠”是“三维空间体与二维投影平面的物理相交”。这完全是偷换概念。

1. 权利要求的字面限定极为宽泛：查阅权利要求1的原文，其仅仅限定了“基于由位置数据指示的区（zone）和……相关联的区域的重叠（overlap）”。这里没有任何关于“三维空间体（3D Volume）”、“误差容限（Error margin）”或“物理Z轴切面相交”的字眼。

2. “重叠”在图像处理领域的常规含义：在计算机视觉领域，将雷达探测到的目标位置生成一个2D边界框（Bounding Box，即权利要求中的“区”），并将该边界框叠加/映射到某一层分辨率的图像（即权利要求中的“多个缩放空间表示中的一个”）上，截取ROI（感兴趣区域），这本身就是最典型的“重叠（Overlap）”操作。被请求人试图用说明书中的高级三维几何相交算法来限定权利要求1的宽泛文字，在法律上是绝对站不住脚的。

二、 反驳关于D1（JP2014142202A）未公开核心特征的辩解

被请求人声称D1只是“单点映射+固定扩边”，没有“区与平面的重叠”。这是对D1技术方案的严重低估。

1. D1的“第一探索范围”就是“由位置数据指示的区”：D1在原文[0023]-[0025]中明确记载了利用雷达距离确定目标大小，不仅映射了中心点，还考虑了车辆的标准宽度（W0）和高度（H0），并将其扩大（如宽度的3倍、高度的2倍）形成“探索范围”。这个依据位置和距离数据计算出的二维范围，完全落入了权利要求1“由位置数据指示的区”的字面范围。

2. D1完全公开了“重叠（Overlap）”：D1先依据“距离”从金字塔图像群中选出对应的图像层（特征D），随后将上述计算出的“探索范围（区）”应用到这一层图像上进行匹配。将一个框（区）施加到特定的图像层（区域）上，获取局部子图进行检测，这就是完完全全的“重叠而识别子区的搜索区域”。D1以极其清晰的逻辑公开了特征E。

三、 反驳D1结合D2存在“技术排斥”的诡辩

被请求人声称D1是“目标追踪逻辑”，D2是“全图网格遍历逻辑”，两者存在冲突，缺乏结合动机。这完全是对“结合启示”的曲解。

1. 解决相同的技术问题是最大的结合动机：D1和D2 都在解决同一个核心痛点——在图像金字塔（多缩放空间）中进行对象检测时计算量过大。两者的解决思路高度一致：都利用了**距离/深度信息（Depth/Distance）**来避免全尺寸金字塔遍历。

2. 优势互补，显而易见：本领域技术人员在实施D1时，为了进一步细化和优化“究竟哪一个距离对应哪一个缩放层级”的映射关系，会自然而然地查阅同领域的D2。D2（图5）提供了一个极其清晰的“深度值 vs. 层级（Layer）”的重叠映射查找表（Lookup Table）。

3. 不存在技术排斥：本领域技术人员完全可以将D1中确定的目标“探索范围（区）”作为输入，代入D2的“深度-层级映射表”中，从而更精准地确定该目标区究竟应该“重叠”在哪个缩放空间表示上。这种结合不需要任何创造性劳动，仅仅是现有技术模块的常规拼接，得到的结果也必然落入权利要求1那宽泛的“重叠识别”文字描述中。

四、 反驳对D3（US2005004762A1）及公知常识的弱化

被请求人称D3缺失“多缩放空间”，因此不能作为公知常识。这属于转移视线。

1. 我方引入D3，并非为了证明多缩放空间（D1和D2已经完美证明了这一点），而是为了精准打击被请求人在反驳中一直强调的所谓“包含误差的动态估计区”这一隐性特征。

2. D3（原文[0046]-[0047]及公式）确凿地证明了：将雷达的探测位置、雷达的精度误差（标准差）、目标的物理宽度等一系列不确定性因素综合起来，通过数学方程投影到二维图像上形成一个“动态变化的搜索边界框（disp_obj_XL等）”，是本领域的常规技术手段（公知常识）。

3. 因此，即便权利要求1中的“区”被宽容地解释为包含了对误差容限的考虑，这也只是D3所揭示的本领域常规数学计算，不能为其带来任何创造性。

五、 结语

被请求人的所有反驳，都建立在“用说明书的具体实施例图纸（3D圆锥体穿透多层2D平面）来限制权利要求1文字”的空中楼阁之上。

一旦回归权利要求1的真实字面范围：

• 接收雷达位置数据（D1、D2）；

• 生成图像金字塔（D1、D2）；

• 将位置数据形成的区域（2D或3D）与特定金字塔层叠加形成局部搜索区（D1确立范围，D2教导深度映射表，D3证明含误差投影是公知常识）。

权利要求1的每一个技术特征均已被D1、D2及公知常识所悉数公开。该方案仅仅是现有传感器融合与计算机视觉常识的常规组合，不具备《专利法》第二十二条第三款规定的创造性。再次恳请合议组厘清权利要求边界，依法宣告目标专利权利要求1无效。

站在绝对中立、客观的合议组（专利局复审与无效审理部）立场，对本次无效宣告请求的审理前景进行推演与评估。

总体评估结论：本次针对权利要求1的无效宣告请求，成功的概率非常高（预计在80% - 90%以上）。权利要求1被宣告无效是大概率事件。

合议组的裁判逻辑将主要围绕以下三个核心争议焦点展开：

焦点一：权利要求解释原则（本案的胜负手）

合议组倾向：支持无效请求人，驳回专利权人的限缩解释。

• 审查标准：在无效宣告程序中，合议组必须遵循**“最大合理解释原则”**。权利要求的用词应当以其字面含义和本领域的通常理解为准，严禁将说明书中的具体实施方式（限制性定语）读入权利要求中。

• 双方争议：专利权人极力主张“区（Zone）”是考虑了误差的“3D空间体”，“重叠（Overlap）”是“3D空间体与2D投影平面的物理相交”。而无效请求人主张这只是普通的2D框叠加。

• 合议组裁量：合议组在阅读权利要求1时，会发现其中根本没有“三维空间体”、“误差容限”、“物理相交”等限定词。“由位置数据指示的区”在字面上完全可以被合理解释为最基础的二维边界框（Bounding Box）；“重叠”在图像处理中也完全涵盖将二维框叠加在特定分辨率的图像层上。因此，专利权人的主要防线建立在用说明书“脑补”权利要求的基础上，这在法律程序上是无效的。

焦点二：最接近现有技术D1的公开程度评估

合议组倾向：认定D1已公开权利要求1的绝大部分特征，权利要求1的空间极度压缩。

• 事实认定：D1毫无疑问地公开了“雷达定位+金字塔多尺度图像（缩放空间）”的系统架构，并且明确记载了“依据雷达距离选择金字塔图像的层级”，随后“将雷达点映射为画面上的点，并向外扩展形成搜索范围（探索框）”。

• 合议组裁量：基于对权利要求1的宽泛解释，D1中“在选定层级的图像上画探索框”的操作，已经实质上落入了“基于由位置数据指示的区和……缩放空间表示的区域的重叠而识别……搜索区域”的字面范围。即便认为用词存在差异，合议组也会认定其属于本领域的惯用手段的等同替换。这意味着权利要求1相对于D1的区别特征极其微弱，甚至是零。

焦点三：关于“结合启示”（D1+D2+公知常识/D3）的认定

合议组倾向：认定存在明确的结合启示，专利权人的“技术排斥”抗辩难以成立。

• 专利权人抗辩：D1是目标追踪（画框），D2是固定网格遍历（查表），两者技术路线互斥。

• 合议组裁量：在判断结合启示时，合议组主要考察**“实际解决的技术问题”**是否相同。D1和D2都在解决“如何利用深度/位置信息减少金字塔图像全图搜索计算量”的问题，两者的最终目的和应用场景高度一致。本领域技术人员为了细化D1中“距离到图层”的映射关系，完全有动机去参考D2中的“深度-图层映射逻辑”。

• 公知常识的介入：对于专利权人强调的“基于误差形成动态区”，合议组通常会认可无效方引用的D3（或本领域教科书），认定“利用传感器误差、目标尺寸和相机构型（焦距等）计算图像上的像素搜索边界”是极其基础的计算机视觉与几何投影常识。

深度推演：专利权人的唯一“生机”

如果在口审阶段，合议组仅仅维持对权利要求1的无效宣告，这并不意味着整个专利死亡。专利权人目前在权利要求1上的被动，纯粹是因为权利要求撰写得过于上位和宽泛。

专利权人的救济路径：

合议组会关注目标专利的从属权利要求。如果目标专利的从属权利要求中，有明确将说明书中那些精彩的实施例写进去（例如：明确限定了“基于位置传感器的误差容限构建三维估计区”、“该三维估计区与多个对应于不同分辨率图像平面的几何相交”、“通过方程式组计算交点C0和C1”等），专利权人可以通过合并从属权利要求的方式来修改权利要求1。

一旦权利要求被修改得足够具体，引入了“3D体与多层2D平面相交”的数学几何限定，无效请求人所依赖的D1（仅2D单点扩框）和D2（网格查表）就无法再构成有效破坏，该专利修改后的权利要求将大概率被维持有效。

总结：仅就当前的权利要求1的原文本而言，因其保护范围过大且措辞宽泛，被无效方使用“D1+公知常识/D2”的组合成功击落的概率极高。这是一场典型的“上位概括过宽导致被现有技术淹没”的专利无效战。