**对比文件名称：** 发明申请_WO2015088693A3 METHOD AND APPARATUS FOR OPTIMIZED PRESENTATION OF COMPLEX MAPS
**特征比对表格：**
| 技术特征描述与公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：《直接公开》**<br>接收对应于第一行程的第一组对象数据； | 说明书第[0015]段：“The system is configured to receive data from a plurality of vehicles.” 以及第[0017]段：“Data from different vehicles can be aggregated...” | 对比文件明确公开了系统接收来自多个车辆的数据。每个车辆的数据可以对应于一次“行程”，因此“接收来自多个车辆的数据”直接公开了“接收对应于第一行程的第一组对象数据”。该特征在对比文件中用于收集众包数据以构建或更新地图，与目标专利中为进行多行程数据关联和地图构建而接收数据的作用相同。 |
| **技术特征B：《直接公开》**<br>接收对应于第二行程的第二组对象数据； | 同上，说明书第[0015]段及第[0017]段。 | 基于相同的引用，对比文件公开了接收来自“多个(plurality)车辆”的数据，这必然包括至少两个不同的数据源，即对应于第二行程的第二组对象数据。其作用与特征A相同，均为后续的多数据源处理提供输入。 |
| **技术特征C：《直接公开》**<br>确定所述第一组对象数据与所述第二组对象数据之间的相似性度量； | 说明书第[0022]段：“...determining a similarity between two objects detected by different vehicles.” 以及第[0025]段：“A similarity metric is computed for pairs of objects...” | 对比文件明确记载了为不同车辆检测到的对象确定相似性（similarity）或计算相似性度量（similarity metric）。这直接公开了确定两组对象数据之间的相似性度量。该特征在对比文件中用于判断不同数据源中的对象是否对应同一真实地标，与目标专利中为聚类而评估对象数据间关联程度的作用相同。 |
| **技术特征D：《直接公开》**<br>其中所述相似性度量指示至少一个对象的所述第一组对象数据的点与所述第二组对象数据的点之间的距离； | 说明书第[0025]段：“The similarity metric may be based on geometric distance, such as the distance between the centers of two signs or the minimum distance between points on two lane markings.” | 对比文件明确记载了相似性度量可以基于几何距离，例如两个标志中心之间的距离或两个车道标记上点之间的最小距离。这直接公开了相似性度量指示不同数据组中对象点之间的距离。该特征在对比文件中是衡量对象是否匹配的具体量化标准，与目标专利中的作用完全相同。 |
| **技术特征E：《直接公开》**<br>基于所述相似性度量来聚类所述至少一个对象的所述第一组对象数据和所述第二组对象数据，以产生至少一个对象簇； | 说明书第[0022]段：“...clustering objects based on the determined similarity to generate object clusters.” 以及第[0024]段：“Clustering groups detections from multiple journeys that correspond to the same physical landmark.” | 对比文件明确公开了基于确定的相似性对对象进行聚类以生成对象簇，并且指出聚类将来自多次行程的、对应于同一物理地标的检测分组。这直接公开了基于相似性度量聚类多组对象数据以产生对象簇。该特征在对比文件中是实现多行程数据关联、减少冗余、构建一致地图的核心步骤，与目标专利中的作用相同。 |
| **技术特征F：《直接公开》**<br>所述聚类用于将所述第一组对象数据的对象与所述第二组对象数据中的对象进行关联； | 说明书第[0024]段：“Clustering groups detections from multiple journeys that correspond to the same physical landmark.” | 对比文件明确指出，聚类就是将来自多次行程的检测（即不同组对象数据中的对象）分组为对应同一物理地标的簇。这直接公开了聚类的目的就是关联不同数据组中的对象。其作用与目标专利中完全一致。 |
| **技术特征G：《直接公开》**<br>所述聚类包括使用所述相似性度量来执行分层聚类； | 说明书第[0026]段：“Hierarchical clustering may be employed...” | 对比文件明确提到了可以采用分层聚类（Hierarchical clustering）。结合对比文件整体上下文（使用相似性度量进行聚类），可以确定其分层聚类是基于相似性度量执行的。这直接公开了该特征。该特征在对比文件中用于更精细地处理不同空间尺度或置信度的对象关联问题，与目标专利中采用分层聚类以优化聚类效果的作用相同。 |
| **技术特征H：《直接公开》**<br>使用物理距离作为针对两个或更多个聚类水平和/或步骤而不同的参数； | 说明书第[0027]段：“In a first clustering stage, a larger distance threshold may be used... In a second stage, a smaller distance threshold can be applied...” | 对比文件明确描述了在分层聚类的不同阶段使用不同的距离阈值（distance threshold）。距离阈值是相似性度量中基于物理距离的参数。这直接公开了在不同的聚类步骤中使用不同的距离参数。该特征在对比文件中用于实现由粗到精的聚类策略，以处理远近不同的地标，与目标专利中的作用相同。 |
| **技术特征I：《直接公开》**<br>基于所述至少一个对象簇来产生地图数据； | 说明书第[0015]段：“...to construct or update a map.” 以及第[0030]段：“The output is a map containing the objects (e.g., signs, lanes)...” | 对比文件明确其整个方法的目的就是构建或更新地图，并且输出是包含对象的地图。聚类产生的对象簇是构建地图的基础。因此，基于对象簇产生地图数据是该方法必然包含的步骤。该特征在对比文件中是方法的最终目标，与目标专利中的作用相同。 |
| **技术特征J：《直接公开》**<br>其中所述相似性度量基于对象类型； | 说明书第[0025]段：“Different similarity metrics may be used for different types of landmarks, such as traffic signs and lane markings.” | 对比文件明确记载了针对不同类型的地标（如交通标志和车道标记）使用不同的相似性度量。这直接公开了相似性度量基于对象类型。该特征在对比文件中是为了适应不同地标的几何特性，采用最合适的度量方式，与目标专利中的作用相同。 |
| **技术特征K：《直接公开》**<br>其中针对标志对象类型确定所述相似性度量； | 同上，说明书第[0025]段。其中明确将“traffic signs”作为地标类型举例。 | 对比文件在描述基于对象类型使用不同相似性度量时，明确以交通标志（traffic signs）为例。这直接公开了针对标志对象类型确定相似性度量。 |
| **技术特征L：《直接公开》**<br>其中所述第一组对象数据和所述第二组对象数据包括标志数据； | 说明书多处提及处理“traffic signs”或“signs”，例如第[0025]段。 | 对比文件将交通标志作为主要的地标处理对象之一，因此其接收和处理的来自多个车辆的数据必然包含标志数据。这直接公开了对象数据包括标志数据。 |
| **技术特征M：《直接公开》**<br>并且其中所述相似性度量指示来自不同行程的标志的点之间的距离； | 说明书第[0025]段：“...such as the distance between the centers of two signs...” | 对比文件明确举例说明，对于标志，相似性度量可以基于两个标志中心之间的距离。这直接公开了针对标志的相似性度量指示来自不同行程（不同车辆）的标志的点（如中心）之间的距离。 |
| **技术特征N：《直接公开》**<br>其中所述第一组对象数据和所述第二组对象数据包括车道标记数据； | 说明书第[0025]段提及“lane markings”作为另一种地标类型。 | 对比文件将车道标记作为主要的地标处理对象之一，因此其接收和处理的来自多个车辆的数据必然包含车道标记数据。这直接公开了对象数据包括车道标记数据。 |
| **技术特征O：《直接公开》**<br>其中执行分层聚类包括执行多个不同的聚类步骤； | 说明书第[0026]段：“Hierarchical clustering may be employed, which involves multiple clustering stages or steps.” | 对比文件明确说明分层聚类涉及多个聚类阶段或步骤。这直接公开了该特征。 |
| **技术特征P：《直接公开》**<br>其中第一聚类步骤包括基于第一距离参数来聚类，并且第二聚类步骤包括基于第二距离参数来聚类，其中所述第二距离参数小于所述第一距离参数； | 说明书第[0027]段：“In a first clustering stage, a larger distance threshold may be used to cluster landmarks that are far apart... In a second stage, a smaller distance threshold can be applied to cluster landmarks that are close together.” | 对比文件明确描述了在第一阶段使用较大的距离阈值，在第二阶段使用较小的距离阈值进行聚类。这直接公开了第一步骤基于第一（较大）距离参数，第二步骤基于第二（较小）距离参数。该特征在对比文件中用于实现由粗到精的关联策略，与目标专利中的作用相同。 |
| **技术特征Q：《直接公开》**<br>其中聚类所述第一组对象数据和所述第二组对象数据包括执行谱聚类； | 说明书第[0026]段：“Spectral clustering is another technique that can be used.” | 对比文件明确将谱聚类列为可用的聚类技术之一。在描述多行程数据关联和聚类的上下文中，这直接公开了聚类可以包括执行谱聚类。 |
| **技术特征R：《直接公开》**<br>其进一步包括基于所述至少一个对象簇来执行捆绑调整； | 说明书第[0031]段：“Bundle adjustment (BA) can be performed to refine the 3D positions of landmarks and camera poses using the clustered data.” | 对比文件明确记载了可以使用捆绑调整（Bundle adjustment），并利用聚类后的数据来细化地标3D位置和相机位姿。这直接公开了基于对象簇执行捆绑调整。该特征在对比文件中用于优化地图精度，与目标专利中的作用相同。 |
| **技术特征S：《直接公开》**<br>其中在一或多个关联块中的每一个内执行聚类； | 说明书第[0028]段：“Clustering may be performed within association tiles or blocks, which are geographic regions, to reduce computational burden.” | 对比文件明确说明聚类可以在关联块（association tiles or blocks）内执行，这些块是地理区域，目的是减少计算负担。这直接公开了该特征。其作用与目标专利中通过分块处理提高效率的作用相同。 |
| **技术特征T：《直接公开》**<br>其中产生所述地图数据包含基于所述至少一个对象簇来细化地图数据； | 说明书第[0030]-[0031]段描述了通过捆绑调整等方式“refine”地标位置和地图。第[0015]段也提到“update a map”。 | 对比文件明确其地图构建过程包含优化（refine）步骤，例如捆绑调整，以利用多行程聚类数据提高地图精度。这直接公开了产生地图数据包含基于对象簇细化地图数据。 |
| **技术特征U：《直接公开》**<br>其进一步包括将所产生的地图数据传输到至少一个车辆； | 说明书第[0016]段：“The generated map data can be transmitted to vehicles for navigation and autonomous driving purposes.” | 对比文件明确记载了生成的地图数据可以被传输到车辆，用于导航和自动驾驶。这直接公开了该特征。其作用与目标专利中相同，均为使车辆能使用更新后的地图。 |
| **技术特征V：《直接公开》**<br>其中所述对象数据包括对象位姿信息； | 说明书第[0020]段：“The data includes... pose information of detected objects (e.g., 6-DOF pose for signs).” | 对比文件明确说明数据包含检测到的对象的位姿信息，例如标志的6自由度位姿。这直接公开了对象数据包括对象位姿信息。该信息在对比文件中用于精确计算相似性和进行优化，与目标专利中的作用相同。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<K>>><<<L>>><<<M>>><<<N>>><<<O>>><<<P>>><<<Q>>><<<R>>><<<S>>><<<T>>><<<U>>><<<V>>>