对比文件名称：发明授权_US08164514B1 Method and apparatus for fusing referenced and self-contained displacement measurements for positioning and navigation
目标专利名称：132视觉惯性测距姿态漂移校准
本次调用的模型名称：根据用户提供的上下文，本次分析未指定具体的外部模型名称。
作为专利代理师，我将根据目标专利说明书深入理解技术特征，并与对比文件进行比对分析。
**目标专利技术方案核心理解**：
目标专利旨在解决在GNSS信号不可靠或中断（如城市峡谷）时维持高精度定位的问题。其核心在于一种混合GNSS-VIO（视觉惯性测距）方法。该方法利用在时间t1获得的GNSS绝对位置作为起点，在t1到t2期间，当GNSS载波相位信号可能不可用或质量不佳时，使用VIO等非GNSS传感器测量UE的相对位移（第一位移估计值）。当在t2时刻再次获得符合质量要求的GNSS载波相位测量值时，利用t1时刻的载波相位测量值、t2时刻的载波相位测量值以及期间由非GNSS传感器测得的第一位移估计值，共同解算载波相位整数模糊度，从而计算出高精度的第二位移估计值，进而确定t2时刻的准确位置。其关键技术在于利用非GNSS位移信息来辅助解算不连续GNSS载波相位观测值的整数模糊度，实现“拼接”。
**对比文件技术方案核心理解**：
对比文件涉及融合参考位移测量（如来自无线电信号的载波相位变化，即径向位移）和自包含位移测量（如来自惯性测量单元IMU的矢量位移）进行定位导航。其核心是通过时间上的载波相位差分来消除整数模糊度，并将此载波相位变化（径向位移）与惯性导航解算提供的矢量位移在卡尔曼滤波器等融合算法中结合，相互辅助、相互校准，以估计并修正绝对位置、速度、姿态等导航状态。它特别强调了即使在载波相位跟踪不连续（间歇可用）的情况下也能工作，并利用用户的运动来积累几何变化以求解绝对位置。
**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 |
| **A**：所述方法包括：基于在第一时间(t1)来自卫星集合的GNSS测量值确定所述UE在所述第一时间(t1)的第一绝对位置 《隐含公开》 | 第[0100]段：Inertial navigation states are initialized with initial conditions 504, generally including position, velocity, and attitude states. These initial states are then periodically updated by the inertial navigation mechanization 506. The inertial states 504 can be initialized using, for instance, a coarse position solution 508 derived from signal strength or code phase radio-frequency measurements 510. Initial conditions 504 can be also setup by the user 512. 第[0037]段：In another embodiment, an inertial navigation mechanization can maintain an absolute navigation solution. | 对比文件公开了使用来自无线电信号（可包括GPS等GNSS信号）的信号强度或码相位测量进行粗略定位（coarse position solution），并以此作为惯性导航的初始条件之一。同时，对比文件指出惯性导航解算本身可以维持一个绝对导航解算（absolute navigation solution）。本领域技术人员可以理解，为了启动所述融合定位过程，需要一个初始的绝对位置估计，这个初始位置可以通过包括GNSS在内的多种方式获得。因此，对比文件隐含公开了基于GNSS测量值确定第一绝对位置的技术特征。 |
| **B**：在第二时间(t2)确定所述UE相对于所述第一绝对位置的第一位移估计值，其中所述第二时间(t2)在所述第一时间(t1)之后，其中使用非GNSS测量值来确定所述第一位移估计值 《隐含公开》 | 第[0037]段：Dead-reckoning navigation mechanization 108 propagates self-contained dead-reckoning measurements 102 from given initial conditions 110 to update dead-reckoning navigation states. 第[0007]段：Displacement measurements can also be made without physical interaction with external objects or environments in a self-contained manner. Examples include accelerometers and gyroscopes. | 对比文件中的“自包含（self-contained）位移测量”明确包括加速度计和陀螺仪等惯性传感器，这些属于非GNSS测量值。航位推算（dead-reckoning）导航机制利用这些自包含测量值从给定初始条件传播并更新导航状态，这必然包含了相对于初始位置的位移估计。因此，本领域技术人员能够毫无疑义地得出，使用非GNSS测量值（惯性测量）可以确定在初始时间之后另一时间的位移估计值。该特征被隐含公开。 |
| **C**：以及在所述第二时间(t2)部分地基于如下来确定所述UE相对于所述第一绝对位置的第二位移估计值：在所述第一时间(t1)来自所述卫星集合的GNSS载波相位测量值，和在所述第二时间(t2)来自包括所述卫星集合中的两个或多于两个卫星的子集的GNSS载波相位测量值，以及所述UE的所述第一位移估计值。 《直接公开》 | 第[0063]段：The carrier phase positioning method disclosed above can be implemented in the form of a complementary Kalman filter. Changes in carrier phase measurements over consecutive measurement epochs are used by the Kalman filter instead of the overall phase change (i.e., from the start-up time to the current time) as in Equation 5. ... If it is detected that carrier phase of a certain SOOP was not tracked consistently over a measurement interval (for example, a cycle slip is detected), then this SOOP signal is simply not used for the filter update. The signal can be used again as soon as its carrier phase tracking is recovered. 第[0063]段及式(6)、(7)、(9)：Equation 6 is applied to formulate complementary observables for the Kalman filter, as expressed by Equation 7 below. ... y_Kalman = ... The nonlinear measurement observables of Equation 7 are linearized ... to formulate linear observations for the Kalman filter as expressed below by Equation 9. y_Kalman = (Δ^n_{n-1}ê^T_{A/SOOP} + H_e)δR_A(t_0) + ... 第[0057]段：The second term, (e_A/SOOP(t_n), Δ^n_0 R_A), can also be estimated from the LOS unit vector as described above and the relative position solution provided by the dead-reckoning mechanization to compute the position change vector Δ^n_0 R_A (vector displacements 320, 322, 324 at t1, t2, and t3, respectively). | 对比文件的核心就是利用时间上连续的载波相位测量值的变化（即t_{n-1}和t_n时刻的测量值之差，对应于目标专利的t1和t2时刻的测量值）与航位推算机制提供的相对位置变化（即位移估计值Δ^n_{n-1} R_A，对应于目标专利的第一位移估计值）进行融合，通过卡尔曼滤波器估计包括绝对位置误差δR_A(t_0)在内的状态。式(7)和(9)清楚地表明，卡尔曼滤波器的观测量y_Kalman是由载波相位变化、基于惯性解算预测的位移项以及包含初始绝对位置的项共同构成的。这直接公开了“部分地基于在t1和t2时刻的载波相位测量值以及第一位移估计值来确定（或更准确地说，修正和估计）位移/位置”的技术方案。虽然对比文件强调使用“连续”测量时刻的变化，但其同样处理跟踪中断后恢复的情况，实质是利用了可用的、时间上不连续的载波相位测量值。 |
| **D**：其中所述集合中的卫星的所述GNSS载波相位测量值：在所述第一时间(t1)与所述第二时间(t2)之间不可用 《直接公开》 | 第[0063]段：... This is because the use of the overall phase change requires continuous phase tracking during the entire operation of the Kalman filter, which may be problematic in harsh operational conditions such as urban environments. In contrast, the use of consecutive phase changes only requires continuous tracking between two measurement epochs, which is much less stringent. If it is detected that carrier phase of a certain SOOP was not tracked consistently over a measurement interval (for example, a cycle slip is detected), then this SOOP signal is simply not used for the filter update. | 对比文件明确指出了在恶劣环境（如城市环境）中，载波相位连续跟踪可能有问题，并提出了解决方案：仅使用两个测量时刻之间的连续相位变化（即不要求全程连续）。如果检测到在某个测量间隔内载波相位未保持一致跟踪（例如检测到周期跳跃），则该信号不用于滤波更新。这直接公开了载波相位测量值在t1与t2之间可能“不可用”（即跟踪中断）的情形，并且给出了相应的处理策略。 |
| **E**：或在所述第一时间(t1)与所述第二时间(t2)之间间歇地可用 《直接公开》 | 第[0017]段：Second, it does not require continuous carrier phase tracking, i.e., the methods disclosed herein can operate on intermittently tracked carrier phase measurements. | 对比文件在发明概述部分明确宣称其方法不需要连续载波相位跟踪，可以操作于间歇跟踪的载波相位测量值。这直接公开了载波相位测量值“间歇地可用”的情况。 |
| **F**：或在所述第一时间(t1)与所述第二时间(t2)之间持续可用。 《隐含公开》 | 第[0063]段：The carrier phase positioning method disclosed above can be implemented in the form of a complementary Kalman filter. Changes in carrier phase measurements over consecutive measurement epochs are used by the Kalman filter... | 对比文件描述了使用连续测量时刻的载波相位变化，这默认了在所述两个时刻之间载波相位是持续可用并被跟踪的。持续可用是该方法在理想或良好条件下的工作模式。因此，本领域技术人员可以理解，所述方法也涵盖了载波相位持续可用的情形。该特征被隐含公开。 |
| **G**：其中确定所述第二位移估计值包括：部分地基于以下解算所述子集中的每一卫星的对应载波相位模糊度：所述子集中的卫星在所述第一时间(t1)的所述GNSS载波相位测量值，和所述UE的所述第一位移估计值。 《隐含公开》 | 第[0051]段：To remove the integer ambiguity N, carrier phase measurements are differenced over time: Δ^n_0 φ̃ = φ̃(t_n) - φ̃(t_0) = Δ^n_0 ρ_A/SOOP + cΔ^n_0 δt_A + cΔ^n_0 δt_SOOP + Δ^n_0 η (Equation 2) 第[0057]-[0058]段：The second term, (e_A/SOOP(t_n), Δ^n_0 R_A), can also be estimated from ... the relative position solution provided by the dead-reckoning mechanization to compute the position change vector Δ^n_0 R_A ... The absolute position R_A(t_0) is then estimated from the linear combination of -(Δ^n_0 e_A/SOOP, R_A(t_0)) + c(Δ^n_0 δt_A + Δ^n_0 δt_SOOP). | 对比文件通过时间差分（Equation 2）直接消除了单个时刻载波相位观测方程中的整数模糊度N。在后续的绝对位置估计中，利用了载波相位变化量Δ^n_0 φ̃、以及由航位推算机制提供的位移估计Δ^n_0 R_A（对应于第一位移估计值）来求解包含初始绝对位置R_A(t_0)的项。这个过程实质上就是利用位移估计值辅助处理载波相位观测值以求解位置，而位置解的精度直接关联到对载波相位观测值的准确解释（即模糊度解算，在此通过差分消除）。虽然具体数学处理路径与目标专利（例如双差、似然函数投影）不同，但“利用非GNSS位移辅助处理GNSS载波相位观测以获得精确位置”的核心思想相同。因此，该特征被对比文件隐含公开。 |
| **H**：其中解算两个或多于两个卫星的所述子集中的每一卫星的所述对应载波相位模糊度包括：确定两个或多于两个卫星的所述子集中的一或多个卫星对 《未公开》 | 对比文件未提及通过选择卫星对并进行双差处理的方式来解算模糊度。对比文件主要处理单个信号源（SOOP）的载波相位时间差分，以及多个信号源的观测值在滤波器中的融合，并未描述“卫星对”的概念及基于此的特定解算步骤。 | 对比文件没有公开“确定卫星对”这一具体操作步骤。其模糊度处理是通过时间差分直接进行的，不涉及卫星间求差以形成双差观测值。因此，该特征未被公开。 |
| **I**：针对所述子集中的所述一或多个卫星对中的每一卫星对，将对应周期性似然函数投影到由所述第一位移估计值表示的基线上，其中每一周期性似然函数基于所述卫星对的对应双差GNSS载波相位测量值 《未公开》 | 对比文件未提及“周期性似然函数”、“投影到基线”、“双差GNSS载波相位测量值”等概念。对比文件使用卡尔曼滤波器对载波相位变化、惯性位移等进行融合估计，其数学框架是状态空间估计，而非基于几何投影和似然函数峰值搜索的模糊度解算方法。 | 对比文件没有公开目标专利中这种具体的、基于双差观测值周期性似然函数投影的整数模糊度解算算法。该特征未被公开。 |
| **J**：确定组合似然函数，所述组合似然函数依据所述一或多个卫星对的所述对应周期性似然函数和对应于所述基线的非周期性似然函数来确定 《未公开》 | 对比文件未提及“组合似然函数”以及将周期性似然函数与非周期性似然函数（如VIO位移不确定性）相乘的概念。 | 对比文件没有公开目标专利中这种通过似然函数相乘来寻找联合解的具体数学方法。该特征未被公开。 |
| **K**：以及部分地基于所述组合似然函数确定每一卫星的整数载波相位模糊度。 《未公开》 | 对比文件未描述通过分析组合似然函数来确定整数载波相位模糊度的步骤。其整数模糊度在时间差分环节已被消除，后续是直接估计位置状态。 | 对比文件的处理流程中不包含“确定整数载波相位模糊度”这一显式步骤（因为已通过差分消除），更不用说基于目标专利所述特定方法的确定了。该特征未被公开。 |
| **L**：其进一步包括：部分地基于所述组合似然函数的最大值和所述第一绝对位置确定所述第二位移估计值。 《未公开》 | 对比文件未提及“组合似然函数的最大值”。其位移和位置的确定是通过卡尔曼滤波器的状态更新完成的。 | 对比文件没有公开利用似然函数最大值来确定位移估计值的方法。该特征未被公开。 |
| **M**：其进一步包括：部分地基于所述第一绝对位置和所述第二位移估计值确定所述UE在所述第二时间(t2)的第二绝对位置。 《隐含公开》 | 第[0056]段：This initial position estimate is then propagated to the current time using the dead-reckoning-based relative solution. 第[0074]段：The Kalman filter estimates the errors in the absolute position solution, ... The joint estimation ... provides the mutual aiding and mutual calibration ... | 对比文件公开了将初始绝对位置估计与航位推算的相对解算（提供位移）结合，传播到当前时刻以获得当前位置。同时，通过卡尔曼滤波器估计绝对位置误差等状态，并对导航解算进行校正，这最终产生了校正后的、包含当前绝对位置的导航解算。这实质上就是基于第一绝对位置和（经过融合校正的）位移信息来确定第二绝对位置。该特征被隐含公开。 |
| **N**：其中确定所述第二绝对位置包括：基于所述第二位移估计值校正以下中的一或多者：多个旋转参数，或 多个平移参数， 其中所述旋转参数和所述平移参数用于将所述非GNSS测量值从局部坐标系变换到用于表示所述第一绝对位置和所述第二绝对位置的绝对坐标系。 《隐含公开》 | 第[0067]段：ê_A/SOOP(t_n) is the LOS unit vector that is computed based on the SOOP position and an estimate of the user position as presented below in Equation 8. 第[0074]段：The Kalman filter estimates the errors in the absolute position solution, errors in the orientation between local and absolute frames, relative position errors and other error terms of the dead reckoning modules ... 第[0092]段：δθ̂_RelN is the estimated error in the relative/absolute frame attitude. | 对比文件中，卡尔曼滤波器估计的状态包括“局部坐标系与绝对坐标系之间的姿态误差（orientation between local and absolute frames）”（式(9)中的H_θ δθ_Rel^N，第[0092]段的δθ̂_RelN），这对应于旋转参数误差。同时，滤波器也估计绝对位置误差和相对位置误差。通过校正这些估计出的误差，可以修正用于将局部相对位移转换到绝对坐标系的旋转和平移参数（例如式(8)中的坐标变换矩阵Ĉ_Rel^N）。这个过程隐含了基于融合估计出的位移信息（其本身包含了来自非GNSS测量的贡献）来校正坐标变换参数。 |
| **O**：其中确定所述第二绝对位置包括：部分地基于以下中的一或多者确定所述第二绝对位置：所述校正的多个旋转参数，或所述校正的多个平移参数。 《隐含公开》 | 第[0102]段：Estimation results are used to provide navigation error corrections 534 that are in turn used to adjust the dead-reckoning navigation solution 506 to afford the overall navigation solution 536. | 对比文件公开了使用估计结果（包含旋转、平移参数误差的校正量）来调整航位推算导航解算，从而提供整体的导航解算（即第二绝对位置）。这隐含了基于校正后的参数来确定第二绝对位置。 |
| **P**：其中所述非GNSS测量值包括如下中的一项或多项：视觉惯性测距VIO测量值，或 IMU提供的测量值，或 光检测与测距LiDAR测量值，或 无线电检测与测距RADAR测量值。 《直接公开 (部分) / 隐含公开》 | 第[0007]段：Displacement measurements can also be made without physical interaction with external objects or environments in a self-contained manner. Examples include accelerometers and gyroscopes. 第[0105]段：As a preferred embodiment, the integration of temporal differential carrier ... with an inertial solution is similar, in principle, to that of displacement extracted from 2D scanning laser range profiles (line features) and video images (point features). As a result, additional sensors can be integrated. | 对比文件直接并明确地将加速度计和陀螺仪（即IMU）作为自包含位移测量的例子，因此**IMU提供的测量值**被**直接公开**。同时，对比文件指出，与惯性解算的集成原理上类似于从2D扫描激光轮廓（激光雷达特征）和视频图像（点特征）中提取位移，并且可以集成额外的传感器。这强烈暗示了LiDAR和视觉（VIO的基础）测量可以作为自包含或参考位移测量的来源。虽然未明确提及“RADAR”，但原理相通。因此，**VIO测量值**和**LiDAR测量值**被**隐含公开**。 |
| **Q**：其中所述VIO测量值至少部分地基于：追踪由耦合到所述UE的相机所捕获的多个图像上的多个特征，以获得所述UE相对于所述第一绝对位置的6自由度6DOF位姿，其中所述多个图像在所述第一时间(t1)与所述第二时间(t2)之间的时间间隔中经捕获，或追踪来自所述多个图像的光流。 《隐含公开》 | 第[0105]段：... displacement extracted from ... video images (point features). 第[0006]段：Recently, the displacement of objects in the image plane (the optical flow) has been used to construct the so-called visual odometer, which enables the measurement of movement of a video camera relative to the imaged objects. | 对比文件明确提到了从视频图像（点特征）中提取位移，以及使用图像平面中物体的位移（光流）来构建视觉里程计。视觉里程计（Visual Odometry）是VIO的视觉部分。结合对比文件对惯性测量（提供姿态变化）的集成，本领域技术人员能够理解，通过追踪图像特征或光流，并结合惯性数据，可以获得6自由度的位姿变化。虽然未明确提及“6DOF”术语，但视觉里程计结合惯性导航是实现6DOF位姿估计的常规技术手段。因此，该特征被隐含公开。 |
| **R**：其包括：全球导航卫星系统GNSS接收器，其能够执行GNSS测量 《直接公开》 | 第[0009]段：An increasingly popular navigation device is the Global Positioning System (GPS) receiver. 第[0104]段：Reference has been made mostly to digital television and cellular phone signals ... and even partially available GPS signals. | 对比文件多次提及GPS接收器作为导航设备，并明确指出GPS信号可以被使用。GPS是GNSS的一种典型代表。因此，能够执行GNSS测量的GNSS接收器这一特征被直接公开。 |
| **S**：至少一个非GNSS位移传感器 《直接公开》 | 第[0007]段：Examples include accelerometers and gyroscopes. | 对比文件明确将加速度计和陀螺仪（即IMU，一种非GNSS位移传感器）作为自包含位移测量的例子。因此，该特征被直接公开。 |
| **T**：存储器，其用以存储所述GNSS测量值和所述至少一个非GNSS位移传感器的测量值 《隐含公开》 | 第[0022]段：FIG. 2 ... Estimates of incoming signal parameters 218 can include signal ID, signal strength, code phase, and carrier phase. ... These estimates are applied for the fusion 114 with dead-reckoning navigation solution 108. | 对比文件描述了接收器产生信号参数估计（包括载波相位等），并与航位推算导航解算进行融合。进行此类信号处理和融合必然需要临时或持久地存储测量数据。本领域技术人员公知，此类电子设备均包含用于存储数据和程序指令的存储器。因此，该特征被隐含公开。 |
| **U**：以及处理器，其耦合到所述GNSS接收器、所述存储器和所述至少一个非GNSS位移传感器，其中所述处理器配置成：基于在第一时间(t1)来自卫星集合的GNSS测量值确定所述UE在所述第一时间(t1)的第一绝对位置 《隐含公开》 | 第[0100]段及图5：... a coarse position solution 508 derived from signal strength or code phase radio-frequency measurements 510. ... fusion 516 with inertial solution 506. 第[0037]段：In another embodiment, an inertial navigation mechanization can maintain an absolute navigation solution. | 如特征A所述，对比文件公开了从无线电（包括GPS）测量获得粗略位置解，以及惯性导航可维持绝对导航解。这些功能的实现必然需要一个处理单元（如处理器、微控制器、DSP等）来执行计算，并且该处理单元会耦合到接收器和传感器以获取数据。因此，配置成执行所述确定第一绝对位置功能的处理器被隐含公开。 |
| **V**：在第二时间(t2)确定所述UE相对于所述第一绝对位置的第一位移估计值，其中所述第二时间(t2)在所述第一时间(t1)之后，其中使用来自所述至少一个非GNSS位移传感器的非GNSS测量值确定所述第一位移估计值 《隐含公开》 | 第[0037]段：Dead-reckoning navigation mechanization 108 propagates self-contained dead-reckoning measurements 102 from given initial conditions 110 to update dead-reckoning navigation states. | 如特征B所述，对比文件的航位推算机制使用自包含测量（非GNSS测量）来更新导航状态，这包含了确定相对于初始位置的位移估计值。执行该机制的处理器必然被配置成实现此功能。因此，该特征被隐含公开。 |
| **W**：以及在所述第二时间(t2)部分地基于如下来确定所述UE相对于所述第一绝对位置的第二位移估计值：在所述第一时间(t1)来自所述卫星集合的GNSS载波相位测量值，和在所述第二时间(t2)来自包括所述卫星集合中的两个或多于两个卫星的子集的GNSS载波相位测量值，以及所述UE的所述第一位移估计值。 《直接公开》 | 第[0063]段及式(6)、(7)、(9)：The carrier phase positioning method ... can be implemented in the form of a complementary Kalman filter. ... Equation 6 is applied to formulate complementary observables for the Kalman filter ... y_Kalman = ... (Equation 7) ... y_Kalman = (Δ^n_{n-1}ê^T_{A/SOOP} + H_e)δR_A(t_0) + ... (Equation 9) 第[0057]段：... the relative position solution provided by the dead-reckoning mechanization to compute the position change vector Δ^n_0 R_A ... | 如特征C所述，对比文件的核心融合算法（如卡尔曼滤波器）被配置为利用连续时刻（t_{n-1}和t_n，对应于t1和t2）的载波相位测量值的变化，以及航位推算机制提供的位移估计值（ΔR_A），来估计位置误差和状态。这直接公开了处理器被配置成执行所述功能。虽然对比文件描述的是对多个信号源（SOOP）的处理，但同样适用于GNSS卫星子集。 |
| **X**：其中所述集合中的卫星的所述GNSS载波相位测量值：在所述第一时间(t1)与所述第二时间(t2)之间不可用 《直接公开》 | 第[0063]段：... If it is detected that carrier phase of a certain SOOP was not tracked consistently over a measurement interval (for example, a cycle slip is detected), then this SOOP signal is simply not used for the filter update. | 如特征D所述，对比文件直接公开了处理器被配置为处理载波相位跟踪中断（不可用）的情况。 |
| **Y**：或在所述第一时间(t1)与所述第二时间(t2)之间间歇地可用 《直接公开》 | 第[0017]段：Second, it does not require continuous carrier phase tracking, i.e., the methods disclosed herein can operate on intermittently tracked carrier phase measurements. | 如特征E所述，对比文件直接宣称其方法可操作于间歇跟踪的载波相位测量值，这必然意味着处理器被如此配置。 |
| **Z**：或在所述第一时间(t1)与所述第二时间(t2)之间持续可用。 《隐含公开》 | 第[0063]段：Changes in carrier phase measurements over consecutive measurement epochs are used by the Kalman filter... | 如特征F所述，使用连续测量时刻的载波相位变化，隐含了处理器被配置为处理载波相位持续可用的情形。 |
<<<C>>><<<D>>><<<E>>><<<R>>><<<S>>><<<W>>><<<X>>><<<Y>>>
<<<a>>><<<b>>><<<c>>><<<f>>><<<g>>><<<m>>><<<n>>><<<o>>><<<p>>><<<q>>><<<t>>><<<u>>><<<v>>><<<z>>>