对比文件名称：发明申请_WO2017037423A1 MAPPING A SPACE USING A MULTI-DIRECTIONAL CAMERA
目标专利名称：用于利用语义信息来导航机器人设备的系统和方法
本次调用的模型名称：DeepSeek
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：一种改善导航的方法<br>**公开性判断**：未公开 | 无直接对应内容。 | 对比文件公开了一种使用多向相机进行空间测绘以生成占据地图（occupancy map）并用于导航的方法（例如，摘要、[0011]、[0041]段）。然而，其核心在于通过特定的图像序列处理和深度估计来“创建地图”并“实现导航”，并未提及或暗示该方法旨在或能够“改善导航”。在目标专利中，“改善导航”特指通过动态调整传感器权重来适应传感器性能的时空模式，以此提高定位和导航的鲁棒性。对比文件的方法虽然服务于导航，但其作用是在有限资源下快速构建环境地图，并未涉及对导航过程本身的持续优化或适应性调整。因此，对比文件未公开“改善导航”这一技术特征。 |
| **技术特征B**：由机器人设备中的处理器发起与语义信息提取相关联的预先确定的时间段的开始<br>**公开性判断**：未公开 | 无直接对应内容。 | 对比文件完全没有提及“语义信息提取”这一概念。其处理的对象是图像特征、姿态数据和深度信息，目的是构建几何空间地图（占据地图），而非提取关于传感器性能或环境条件的“语义”信息（即带有解释性、与可靠性相关的信息）。同时，对比文件也未描述任何“预先确定的时间段”及其“开始”的发起机制。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征C**：在所述预先确定的时间段期间检测指示一个或多个传感器的传感器不可靠性的不利事件<br>**公开性判断**：未公开 | 无直接对应内容。 | 对比文件描述了从图像中检测特征、匹配特征以及进行光束法平差（bundle adjustment）的过程（[0071]、[0078]、[0081]-[0084]段）。这些过程可能涉及处理图像数据中的不一致性或误差（例如，重投影误差）。然而，这些误差处理是姿态和地图估计算法（如SLAM）的固有部分，目的是优化几何模型，而不是为了检测或记录指示“传感器不可靠性”的特定“不利事件”。对比文件没有识别或定义任何与传感器可靠性下降直接相关的“事件”，也未将其与时间段的监控相关联。因此，该技术特征未被公开。 |
| **技术特征D**：响应于检测到指示所述一个或多个传感器的传感器不可靠性的所述不利事件：识别所述预先确定的时间段的当前时隙<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征依赖于技术特征B和C的成立。由于对比文件既未公开“预先确定的时间段”和“时隙”的概念，也未公开检测“传感器不可靠性不利事件”，因此自然不可能公开“响应于检测到不利事件而识别当前时隙”这一步骤。该特征未被公开。 |
| **技术特征E**：识别所述机器人设备的当前估计的位置和方向<br>**公开性判断**：未公开 | 涉及姿态估计的段落，例如：[0011]段“determine pose data from the sequence of images, the pose data indicating the location and orientation of the monocular multi-directional camera device”；[0068]段“The pose estimator 530...generate a set of pose estimates, T... may comprise values for a rotation matrix and a translation vector”。 | 对比文件确实公开了确定相机设备（安装在机器人上）的位置和方向（即姿态）的技术。然而，在目标专利的上下文中，“识别所述机器人设备的当前估计的位置和方向”是作为“响应于检测到不利事件”后，用于记录语义信息更新的一个步骤。对比文件中确定姿态是地图构建流程（如特征匹配、光束法平差）的核心组成部分，用于后续的深度估计和占据地图生成（[0068]-[0069]段），其作用是为几何建模提供基础，而不是为了响应传感器可靠性事件并记录语义信息。因此，虽然对比文件公开了“确定位置和方向”这一动作，但该动作在整体技术方案中所起的作用与目标专利中为解决传感器可靠性问题所起的作用不同。根据审查指南，判断是否公开应考虑特征在整体技术方案中的作用。故该技术特征在对比文件中未被公开。 |
| **技术特征F**：基于所述当前时隙以及所述机器人设备的所述当前估计的位置和方向，记录对针对所述一个或多个传感器存储的语义信息的更新<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征的核心在于“记录对语义信息的更新”，且更新的依据是“时隙”和“估计的位置和方向”。对比文件完全没有提及“语义信息”的存储和更新。其存储和更新的是地图数据（如占据网格，[0033]-[0035]、[0070]段）或SLAM过程中的地标和姿态数据（[0082]-[0083]段）。这些数据是几何和空间性质的，而非描述传感器性能模式的语义信息。因此，该技术特征未被公开。 |
| **技术特征G**：以及在所述预先确定的时间段的结束以后基于所记录的语义信息针对机器人设备的位置和方向识别不利事件的模式。<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征依赖于技术特征B、C、D、F的成立。由于对比文件未公开“预先确定的时间段”、“语义信息”、“不利事件”的记录，因此不可能公开基于语义信息识别不利事件在时间和空间上的“模式”。对比文件中虽然可能从深度图中推断自由空间区域（[0070]段），但这与基于传感器可靠性事件记录来识别性能低下的模式有本质区别。该特征未被公开。 |
| **技术特征H**：响应于确定所述预先确定的时间段已经结束：基于存储的语义信息，针对每个传感器来识别在所述机器人设备的局部环境内的低性能的任何空间区域；以及当所述机器人设备在识别的低性能的空间区域处时，调整应用于来自所述传感器的测量的权重因子。<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征包含三个关键点：1) 基于语义信息识别传感器低性能的空间区域；2) 调整应用于传感器测量的权重因子；3) 权重调整是空间区域相关的。对比文件完全没有涉及任何基于历史性能数据（语义信息）来识别传感器“低性能空间区域”的概念。同时，对比文件也未提及对来自不同传感器的测量应用“权重因子”并进行动态调整。其导航引擎使用占据地图来规划路径（[0011]、[0079]段），并未描述对传感器输入进行加权融合的过程。因此，该技术特征未被公开。 |
| **技术特征I**：响应于确定所述预先确定的时间段已经结束：基于相应的语义信息，针对每个传感器来识别低性能的任何时间；以及在识别的低性能的时间期间，调整应用于来自每个传感器的测量的所述权重因子。<br>**公开性判断**：未公开 | 无直接对应内容。 | 与技术特征H类似，但关注点是“低性能的时间”而非“空间区域”。对比文件同样没有公开基于语义信息识别传感器“低性能时间”的概念，也没有公开随时间调整传感器权重因子的机制。因此，该技术特征未被公开。 |
| **技术特征J**：针对每个传感器来识别低性能的任何空间区域包括：确定针对所述传感器所述存储的语义信息指示针对所述机器人设备的特定姿势的不利事件发生的数量是满足还是超过第一事件门限。<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征是实现技术特征H的具体方式，涉及查询语义信息数据结构并应用事件数量门限。由于对比文件未公开“语义信息”、“不利事件”、“特定姿势下的事件计数”以及“事件门限”这些底层概念，因此该具体实现方式也未被公开。 |
| **技术特征K**：针对每个传感器来识别低性能的任何时间包括：确定所述存储的语义信息指示在特定时隙期间不利事件发生的数量是满足还是超过第二事件门限。<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征是实现技术特征I的具体方式，涉及基于时隙的事件计数和门限判断。由于对比文件未公开“语义信息”、“不利事件”、“时隙”、“事件计数”及“事件门限”，因此该具体实现方式也未被公开。 |
| **技术特征L**：还包括针对每个传感器：获得通过预处理器操作针对所述传感器来输出的经处理的测量；获得所述机器人设备的所述当前估计的位置和方向；以及确定在通过所述经处理的测量来指示的姿势与所述当前估计的位置和方向之间的差异是满足还是超过特定于传感器的门限。<br>**公开性判断**：未公开 | 涉及测量和姿态比较的潜在相关描述：[0078]段提及使用里程计（odometry）数据作为姿态估计的约束，“evaluating a difference between a change in translation vectors between consecutive images and a change in odometry vectors”。 | 对比文件提到了在联合优化姿态和地标时，使用里程计数据与图像推导的平移变化进行比较，作为优化函数的约束（[0078]段）。这涉及比较两种不同来源的运动估计。然而，这与目标专利的技术特征L有本质区别：1) 对比文件是比较连续图像间的“运动变化”（change in translation），而非比较一个传感器指示的“绝对姿势”与当前估计的“绝对姿势”；2) 比较的目的是为了“约束优化函数”，提高姿态估计的整体一致性，而不是为了“检测指示传感器不可靠性的不利事件”；3) 对比文件未提及“特定于传感器的门限”以及超过门限即认定为“不利事件”。因此，该技术特征在对比文件中未被公开。 |
| **技术特征M**：检测指示所述一个或多个传感器的传感器不可靠性的所述不利事件还包括响应于接收到异常数据测量确定检测到所述不利事件。<br>**公开性判断**：未公开 | 无直接对应内容。 | 对比文件未定义或提及“异常数据测量”这一概念。虽然其深度估计方法会过滤掉不可靠的深度值（例如基于方差度量，[0091]-[0095]段），但这是深度估计数据处理流程的一部分，目的是提高深度图质量，并非将其作为指示传感器本身不可靠性的“不利事件”来检测和记录。因此，该技术特征未被公开。 |
| **技术特征N**：与语义信息提取相关联的所述预先确定的时间段是在时间服务器上配置的，所述时间服务器维持针对所述预先确定的时间段的时隙的设置。<br>**公开性判断**：未公开 | 无直接对应内容。 | 对比文件完全没有提及“时间服务器”或任何用于配置和管理“时间段”及“时隙”的类似实体。其图像采集和处理是基于运动触发的（如圆周运动，[0049]段），或基于事件触发的（如进入新房间），而非由独立的时间服务器按预定时隙管理。因此，该技术特征未被公开。 |
| **技术特征O**：识别所述机器人设备的所述当前估计的位置和方向包括：获得来自所述机器人设备上的定位操作的输出，所述定位操作是作为同时定位和测绘(SLAM)过程的一部分来执行的。<br>**公开性判断**：未公开 | 涉及SLAM和定位的描述：[0005]段提到了“simultaneous localisation and mapping (SLAM)”；[0068]段描述了姿态估计器通过提取特征、匹配特征和光束法平差来生成姿态估计，这本质上是视觉SLAM的过程。 | 对比文件确实公开了执行同时定位和测绘（SLAM）的过程，其姿态估计器（pose estimator）通过特征匹配和光束法平差来确定相机的位置和方向（[0068]、[0081]-[0084]段），这符合SLAM的定位部分。然而，在目标专利中，技术特征O是作为技术特征E（识别当前位置和方向）的一种具体实现方式，并且该识别动作是嵌入在“响应于检测到不利事件并记录语义信息”这一特定上下文中的。对比文件中SLAM过程的作用是服务于整个地图构建流程，为深度估计提供相机姿态（[0069]段），而不是专门用于在检测到传感器可靠性事件时提供位置信息以更新语义数据库。虽然动作相似，但该特征在对比文件整体技术方案中实际起到的作用与在目标专利中为解决特定技术问题（传感器可靠性监测）所起的作用不同。因此，该技术特征在对比文件中未被公开。 |
| **技术特征P**：所述机器人设备是地面运载工具，并且所述机器人设备的所述一个或多个传感器包括：至少一个图像传感器、至少一个惯性测量单元(IMU)传感器和至少一个运动反馈传感器。<br>**公开性判断**：**隐含公开** | 1. **地面运载工具**：[0011]段“a robotic device comprising:... at least one movement actuator to move the robotic device within a space”；[0045]段描述机器人有驱动轮（driven wheels）；[0046]段描述清洁机器人有履带（tracks）。这些描述表明机器人是在地面移动的运载工具。<br>2. **图像传感器**：[0011]段“a monocular multi-directional camera device”；[0044]段“camera device 110”；[0060]段提及RGB相机设备。<br>3. **IMU和运动反馈传感器**：未明确提及IMU。但[0078]段提到了使用“odometry data from the robotic device”，并说明里程计数据可能来自机器人的运动传感器（“use of data from motion sensors”）和驱动轮或履带的位置跟踪（“tracking the position of wheels 115 or tracks 165”）。 | 1. **地面运载工具**：对比文件多处描述以及附图（图1A、1B）清楚地表明其机器人设备是在地面移动的（如清洁机器人、测试机器人平台），属于“地面运载工具”。这被直接公开。<br>2. **图像传感器**：对比文件的核心就是使用“单目多向相机设备”（monocular multi-directional camera device），这属于“至少一个图像传感器”。这被直接公开。<br>3. **IMU传感器和运动反馈传感器**：对比文件没有明确列举“惯性测量单元(IMU)传感器”。然而，[0078]段提及使用来自机器人的“里程计数据”（odometry data）来约束姿态优化。对于本领域技术人员而言，在移动机器人平台上，获取里程计数据的常见方式包括使用运动反馈传感器（如轮式编码器、履带编码器）以及可能结合IMU传感器（用于测量角速度和加速度，辅助航位推算）。虽然对比文件未明确列出IMU，但提及了“运动传感器”（motion sensors）作为里程计数据的来源。考虑到移动机器人导航的普遍技术常识，为了获得可靠、可用于约束视觉SLAM的里程计信息，配备IMU传感器和运动反馈传感器（如编码器）是惯用技术手段。因此，本领域技术人员能够从对比文件公开的“使用里程计数据”中，确定为实现该功能，机器人设备必然或通常包含“至少一个运动反馈传感器”，并且很大可能包含“至少一个IMU传感器”。这是一种隐含公开。综合来看，技术特征P作为一个整体，其“地面运载工具”和“图像传感器”部分被直接公开，“IMU传感器和运动反馈传感器”部分被隐含公开。因此，技术特征P被**隐含公开**。 |
| **技术特征Q**：针对所述一个或多个传感器存储的所述语义信息是以数据结构表示的，所述数据结构提供在所述预先确定的时间段的每个时隙期间，针对所述机器人设备的每个姿势的不利事件发生的数量。<br>**公开性判断**：未公开 | 无直接对应内容。 | 该技术特征定义了用于存储语义信息的具体数据结构。由于对比文件根本未公开“语义信息”、“预先确定的时间段”、“时隙”、“不利事件”以及按姿势和时隙统计事件数量这些概念，因此更不可能公开存储这些信息的具体数据结构。该技术特征未被公开。 |
<<<p>>>