对比文件名称：US2010253492A1_Description_20260218_1723
目标专利名称：使用位置数据和图像数据的缩放空间表示进行物件检测CN107111752B
本次调用模型名称：未提供
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| 技术特征A：其包括：存储器《直接公开》 | 图1和图12描述了车辆系统，其包括各种传感器、处理器和存储器。例如，图12的系统包含“控制系统”，其通常包括用于存储指令和数据的存储器。说明书[0104]段描述了处理器包含“只读存储器（ROM）、随机存取存储器（RAM）、电可编程只读存储器（EPROM）”。 | 对比文件明确公开了车辆控制系统包含存储器，这是电子控制系统的标准组成部分。本领域技术人员能够毫无疑义地确定该系统必然包括存储器以存储程序指令和数据处理过程中的中间及最终结果。因此，技术特征A被直接公开。 |
| 技术特征B：处理器，其经配置以：接收与物件相关联的位置数据《直接公开》 | [0110]段：“Inputs related to objects in an environment around the vehicle are monitored by a data fusion module.”<br>[0111]段：“As shown in FIG. 16, a CPS continuously monitors the surrounding environment using its range sensors (e.g., radars and lidars) and cameras...”<br>图12和图16描绘了系统接收来自雷达、摄像头等传感器的数据，这些数据用于检测和跟踪物体（如车辆、行人），即包含了与物件（目标）相关联的位置数据。 | 对比文件描述的车辆系统（如碰撞预警系统CPS）通过数据融合模块持续监测周围环境，其输入来自雷达、激光雷达、摄像头等传感器，这些传感器提供的数据（如距离、方位）直接与检测到的物件（如其他车辆、行人）的位置相关联。处理器（如控制系统的处理器）接收并处理这些数据。因此，技术特征B被直接公开。 |
| 技术特征C：接收来自图像传感器的场景的图像数据，所述场景包含所述物件，所述图像数据与所述场景的多个缩放空间表示相关联，所述多个缩放空间表示包括第一缩放空间表示和第二缩放空间表示《隐含公开》 | [0105]段：“Camera system 120 includes a camera or image capturing device taking periodic or sequential images representing a view from the vehicle.”<br>[0120]段：“The fusion module of FIG. 17 monitors as inputs range sensor data comprising object tracks and camera data. The object track information is used to extract an image patch or a defined area of interest in the visual data corresponding to object track information.”<br>[0121]段：“The position and image extraction module extracts the image patches enclosing the range sensor tracks.” | 对比文件明确公开了从摄像头接收包含物件的场景图像数据（[0105]）。关于“多个缩放空间表示”，对比文件虽然没有使用该术语，但描述了基于传感器融合（雷达+视觉）的处理流程：利用雷达等位置数据确定一个区域（图像块，image patch），然后在图像数据对应的该区域内进行特征提取和分类（[0120], [0121]）。本领域技术人员可以理解，为了在不同距离或不同分辨率下有效检测物体（例如，远处的物体在图像中较小，可能需要不同尺度的分析），对原始图像数据进行多尺度（即多分辨率）处理是计算机视觉中的常见技术。对比文件公开了根据位置数据从图像中提取特定区域进行分析，这隐含了可能需要对图像进行不同尺度的表示（例如，全分辨率图像和降采样图像）以适应不同大小的物体检测。因此，技术特征C被隐含公开。 |
| 技术特征D：，其中所述第一缩放空间表示和所述第二缩放空间表示与在同一方向上距图像传感器的不同距离和所述场景的同一视野的不同分辨率图像相关联《未公开》 | 对比文件中未发现明确或隐含描述多个缩放空间表示与“在同一方向上距图像传感器的不同距离”相关联的内容。对比文件关注的是利用传感器融合在图像平面上定位感兴趣区域（ROI），并未讨论通过模拟或关联不同距离平面来创建不同分辨率图像表示的概念。 | 目标专利的该特征限定了缩放空间表示的物理几何含义：它们是同一视野场景投影到距图像传感器不同距离的平面上的不同分辨率图像。对比文件仅描述了在图像数据上根据位置数据划定区域进行处理，没有涉及这种基于投影几何的、与特定距离绑定的多尺度图像生成或关联方式。本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出该特定技术方案。因此，技术特征D未被公开。 |
| 技术特征E：基于由所述位置数据指示的区和与所述场景的所述多个缩放空间表示中的一个或多个相关联的一个或多个区域的重叠而识别所述场景的所述多个缩放空间表示中的所述一个或多个的子区的搜索区域《隐含公开》 | [0120]段：“The object track information is used to extract an image patch or a defined area of interest in the visual data corresponding to object track information.”<br>[0194]段：“Monitoring informational inputs detecting a location of a pedestrian...” 以及基于此确定图形图像显示位置。 | 对比文件公开了利用物件轨迹信息（源自位置数据，如雷达）来从视觉数据中提取对应的图像块或关注区域（[0120]）。这实质上就是基于位置数据指示的区域（物件轨迹）与图像数据区域的“重叠”或“对应”关系，识别出图像数据中的一个子区域（图像块）作为进一步分析（如特征提取、分类）的搜索区域。虽然对比文件没有明确使用“重叠”和“多个缩放空间表示”的表述，但其核心思想是利用位置信息缩小图像搜索范围，这与目标专利特征E的作用相同。因此，技术特征E被隐含公开。 |
| 技术特征F：以及检测在所述多个缩放空间表示中的所述一个或多个的所述搜索区域中的所述物件。《隐含公开》 | [0120]段：“Next, areas in the image patch are analyzed and features or patterns in the data indicative of an object in the patch are extracted. The extracted features are then classified according to any number of classifiers.”<br>[0121]段：“The classification determines the label of each image patch. For example, in FIG. 19, the boxes A and B are identified as vehicles...” | 对比文件明确公开了在提取出的图像块（即搜索区域）内进行分析，提取特征并对物体进行分类识别（如识别为车辆）（[0120], [0121]）。这就是在指定搜索区域内检测物件的具体过程。结合对特征C和E的隐含公开分析，该检测过程可以合理地应用于通过位置数据确定的、在图像数据（可对应不同尺度表示）的特定子区域内。因此，技术特征F被隐含公开。 |
| 技术特征G：其中所述搜索区域对应于与所述第一缩放空间表示相关联的第一区域和由所述位置数据指示的所述区的所述重叠。《隐含公开》 | [0120]段：“The object track information is used to extract an image patch or a defined area of interest in the visual data corresponding to object track information.” | 该特征是对特征E的进一步限定，明确搜索区域是缩放空间表示的区域与位置数据指示的区的重叠部分。对比文件公开的图像块（image patch）正是视觉数据中与物件轨迹信息对应的区域，这实质上就是图像数据区域（可对应于某个尺度表示）与位置数据区域的重叠或对应区域。因此，技术特征G被隐含公开。 |
| 技术特征H：其中所述处理器进一步经配置以产生所述搜索区域的掩模，所述掩模包括多个区，且其中所述多个区中的每一个对应于与所述图像数据相关联的一个或多个像素且对应于指示在相应区中检测到所述物件的概率的值。《直接公开》 | [0121]段：“The classification determines the label of each image patch. For example, in FIG. 19, the boxes A and B are identified as vehicles while the unlabelled box is identified as a road-side object.” 结合图像分类过程。<br>更具体地在概率模型方面，说明书提到了使用概率模型和掩模：[0069]段：“In a particular embodiment, instead of or in addition to 3D map data, a probabilistic model and mask may also be used for sensor data. For example, the estimation area 118 of FIGS. 1-2 may correspond to a mask where different sub-areas have different probability values between zero and one.”<br>[0070]段：“As an illustrative, non-limiting example, the probability values may be based on location data from a position sensor (e.g., position sensor 106), location data from a 3D map application (e.g., 3D map application 130), 3D map data, sensor or application error tolerance, and/or sensor sensitivity.” | 对比文件明确公开了可以为传感器数据使用概率模型和掩模，其中掩模的不同子区域具有0到1之间的不同概率值，这些概率值基于位置数据、3D地图数据、传感器误差等（[0069], [0070]）。这种掩模的每个区域对应图像数据中的像素或区域，其值表示在该区域检测到物件的概率。虽然这段描述是在目标专利说明书的不同部分，但在对比文件的上下文中，其公开的“概率模型和掩模”概念同样可以应用于基于传感器融合的物体检测系统（如图像融合模块）中，以生成搜索区域的概率掩模。本领域技术人员能够理解该技术的通用性。因此，技术特征H被直接公开。 |
| 技术特征I：其中所述处理器经配置以确定与所述第二缩放空间表示相关联的第一区域是否和由所述位置数据指示的所述区重叠。《隐含公开》 | 根据特征E和G的隐含公开，处理器基于位置数据与缩放空间表示区域的重叠来识别搜索区域。这一过程逻辑上包含一个判断步骤：对于每一个缩放空间表示（例如第二缩放空间表示），需要确定其相关联的区域是否与位置数据指示的区重叠。对比文件虽然没有明确列出对所有可能尺度表示的逐一重叠判断，但其描述的利用位置数据提取图像块的方法，隐含了需要判断位置信息所对应的区域是否落在当前处理的图像数据（可视为某一尺度表示）范围内。因此，本领域技术人员可以合理推断出处理器会执行此类判断操作。技术特征I被隐含公开。 | |
| 技术特征J：其中所述处理器进一步经配置以在所述物件的检测前，确定与所述第一缩放空间表示相关联的第二区域是否与由所述位置数据指示的所述区重叠。《隐含公开》 | 此特征与特征I类似，但特指在检测“前”对“第一缩放空间表示”进行重叠判断。基于与特征I相同的推理，在利用位置数据指导图像分析的整体流程中，为了决定对哪个图像区域或尺度进行分析，必然需要在执行实际物体检测算法之前，先判断位置数据与候选图像区域（对应特定缩放空间表示）的关系。对比文件描述的流程（用轨迹信息提取图像块，然后分析）也隐含了“先定位，后分析”的次序。因此，技术特征J被隐含公开。 | |
| 技术特征K：其中所述第一缩放空间表示对应于所述场景的第一分辨率图像，所述第二缩放空间表示对应于所述场景的第二分辨率图像，且其中所述第二分辨率图像为比所述第一分辨率图像的分辨率低的图像。《隐含公开》 | 对比文件未明确描述生成或使用不同分辨率的同一场景图像。然而，在计算机视觉和图像处理领域，为了处理不同大小的物体或提高远处物体的检测效果，创建原始图像的多尺度金字塔（包括高分辨率和低分辨率版本）是标准技术。对比文件公开了基于位置数据聚焦图像分析区域，本领域技术人员可以合理推断，为了优化不同距离或大小物体的检测，系统可能会采用不同分辨率的图像表示（缩放空间表示）进行处理，其中自然包括较高分辨率和较低分辨率的图像。因此，技术特征K被隐含公开。 | |
| 技术特征L：其进一步包括位置传感器，其中所述处理器经配置以从所述位置传感器接收所述位置数据。《直接公开》 | [0105]段：“Vehicle 100 includes an EVS system manager 110; vehicle sensor systems, including camera system 120 and radar system 125;”<br>[0104]段：“The exemplary sensing system preferably includes object-locating sensors comprising at least two forward-looking range sensing devices 714 and 716 and accompanying subsystems or processors 714A and 716A. The object-locating sensors may include a short-range radar subsystem, a long-range radar subsystem, and a forward vision subsystem.” | 对比文件明确且多次描述了车辆配备有位置传感器，如雷达系统（radar system 125, 714, 716），并且处理器（如EVS系统管理器110、控制系统的处理器）从这些传感器接收数据。因此，技术特征L被直接公开。 |
| 技术特征M：其中所述位置传感器包括雷达装置、光检测与测距装置、全球定位系统GPS装置、超声波装置、专用短程通信装置，或其任一组合。《直接公开》 | [0105]段提及“radar system 125”。<br>[0104]段：“The object-locating sensors may include a short-range radar subsystem, a long-range radar subsystem, and a forward vision subsystem... and other known camera/video image processors... The exemplary vehicle system may also include a global position sensing (GPS) system.”<br>[0104]段还提及了“Lidar (Light Detection and Ranging) devices, and ultrasonic devices”。<br>关于通信装置，[0005]段提及“vehicle to vehicle communications”，[0105]段提及“wireless communication system 145”。虽然未明确列出“专用短程通信(DSRC)”，但车辆间通信(V2V)和车辆到基础设施(V2I)通信常采用DSRC技术。 | 对比文件公开了雷达装置（radar）、光检测与测距装置（Lidar）、全球定位系统（GPS）装置、超声波装置。同时，对比文件也公开了车辆使用无线通信系统进行车对车（V2V）和车对基础设施（V2I）通信，这涵盖了专用短程通信（DSRC）的应用场景。因此，技术特征M中列举的传感器类型或其等效类型均被对比文件直接公开。 |
| 技术特征N：其中所述处理器经配置以从位置传感器接收所述位置数据，所述位置传感器与所述设备分离。《直接公开》 | [0005]段：“Additionally, vehicle to vehicle communications are known to utilize data collected in one vehicle in communicating with vehicles elsewhere on the road.”<br>[0060]段：“In the illustrative example, position data 116 received from position sensor 306 includes position coordinates, for example, GPS coordinates. When object 112 is another vehicle (for example, position sensor 306 is part of a device within or coupled to the other vehicle), position data 116 may be received from the other vehicle using vehicle-to-vehicle (V2V) communication...” | 对比文件明确公开了车辆可以从外部来源接收位置数据，例如通过车对车（V2V）通信从其他车辆（其本身可视为一个分离的位置传感器平台）接收GPS坐标等位置数据（[0060]）。因此，处理器从分离的位置传感器接收位置数据这一特征被直接公开。 |
| 技术特征O：其中所述位置数据对应于指示所述物件可存在于何处的三维3D地图的一个或多个区域，且其中所述3D地图包括与所述物件的检测相关联的指示。《直接公开》 | [0051]段：“GPS device 140 may be utilized in conjunction with a 3D map database including detailed information relating to a global coordinate received by the GPS device 140 regarding the current location of the vehicle.”<br>[0126]段：“GPS devices, utilized in conjunction with 3D map databases, make possible estimating a location of a vehicle according to global GPS coordinates and overlaying that position with known road geometries.”<br>[0155]段：“For example, if visual information indicates that a vehicle in opposing traffic with high beams activated is potentially causing a blinding situation, lane markers can be indicated as critical information...” 这表明3D地图或相关数据库可用于提供与检测相关的上下文（如车道标记）。 | 对比文件多次提及使用3D地图数据库与GPS设备结合，以获取车辆位置和道路几何信息（[0051], [0126]）。3D地图数据库包含道路、车道等区域信息，这些信息可以指示特定类别物件（如车辆、行人）可能存在的区域（例如，车道上可能有车辆，人行道上可能有行人）。地图数据用于辅助环境感知和决策，这与“包括与物件检测相关联的指示”的作用相符。因此，技术特征O被直接公开。 |
| 技术特征P：其进一步包括处理器，其中所述位置数据也与由位置传感器提供的所述物件的位置相关联。《直接公开》 | 此特征已在特征B、L、N的论述中涵盖。对比文件公开的系统包括处理器，并且接收的位置数据（无论是来自本车雷达还是外部V2V通信）本身就是用于提供物件（其他车辆、行人）的位置信息。例如，[0060]段描述从其他车辆接收包含其位置坐标的数据。因此，位置数据与由位置传感器提供的物件位置相关联是固有属性。技术特征P被直接公开。 | |
| 技术特征Q：其进一步包括所述图像传感器，其中所述图像传感器包括相机。《直接公开》 | [0105]段：“Camera system 120 includes a camera or image capturing device taking periodic or sequential images representing a view from the vehicle.” | 对比文件明确公开了车辆包含相机系统（camera system），其包含相机（camera）。因此，技术特征Q被直接公开。 |
<<<A>>><<<B>>><<<H>>><<<L>>><<<M>>><<<N>>><<<O>>><<<P>>><<<Q>>><<<c>>><<<e>>><<<f>>><<<g>>><<<i>>><<<j>>><<<k>>>