对比文件名称：发明申请_US20150325000A1 METHOD AND APPARATUS FOR MOTION DETECTION
特征比对表格：
| 技术特征描述 | 对比文件原文引用 | 公开性论述 |
| **A: 《直接公开》** | [0051] “At action 402, the method 400 receives a sequence of spatial data frames.” | 对比文件明确记载了接收空间数据帧序列，这些帧对应于不同时间点（如T1, T2...），这相当于接收了对应于不同时间点（可视为不同“行程”）的数据组。作用都是为后续处理提供输入数据。 |
| **B: 《直接公开》** | [0051] “At action 402, the method 400 receives a sequence of spatial data frames.” | 同上，接收的序列中包含多个帧，自然包含了对应于不同时间点（第二时间点/行程）的数据。作用相同。 |
| **C: 《直接公开》** | [0070] “At action 706, clusters may be scored for similarity by assigning values for size, shape, and location.” | 对比文件明确记载了为不同帧中的聚类（clusters）计算相似性得分（similarity score）。这直接公开了确定两组数据（不同帧中的聚类数据）之间的相似性度量。作用都是评估不同数据组之间的关联程度。 |
| **D: 《隐含公开》** | [0070] “...based on a distance between any two clusters corners being less than a threshold distance across two time frames, based on the average of the distances of any of two corners being less than a threshold distance across two time frames...” | 对比文件在计算聚类相似性得分时，明确提到了基于角点之间的距离或平均距离。虽然未明确使用“指示至少一个对象的...点之间的距离”这一表述，但计算聚类相似性必然涉及比较构成聚类的点（如角点、位置点）之间的距离。这对本领域技术人员而言是隐含的。作用相同，都是通过点间距离来量化相似性。 |
| **E: 《直接公开》** | [0068] “At action 704, possible chains of clusters are identified across the selected frame sequence.” <br> [0070] “At action 708, chains may be established by selecting clusters to maximize the similarity score.” | 对比文件明确记载了基于相似性得分（similarity score）将不同帧中的聚类关联成链（chains）。将不同数据源（帧）中的观测数据关联成代表同一实体的链，这一过程本质上就是基于相似性进行聚类以产生对象簇。作用相同，都是将来自不同数据集合的观测归为同一组。 |
| **F: 《直接公开》** | [0068] “Cluster chains may be identified by comparing the locations of clusters in each frame, and attempting to determine which clusters in the first frame correspond to clusters in the second frame.” | 对比文件明确记载了聚类链的识别是通过比较不同帧中聚类的位置，并确定第一帧中的哪些聚类对应于第二帧中的聚类。这直接公开了聚类用于关联不同数据组（帧）中的对象。作用相同。 |
| **G: 《未公开》** | 无 | 对比文件虽然公开了基于相似性进行聚类（关联成链），但未提及使用“分层聚类（hierarchical clustering）”这一特定聚类算法。其聚类过程是基于相似性得分直接建立关联，未描述包含多个层次或步骤的聚类方法。 |
| **H: 《未公开》** | 无 | 由于对比文件未公开分层聚类（特征G），因此自然也未曾公开在分层聚类中使用针对不同水平/步骤而变化的物理距离参数。 |
| **I: 《未公开》** | 无 | 对比文件公开的最终输出是运动向量、聚类类型等，用于生成自然语言描述（见[0054]）。其并未公开基于聚类结果“产生地图数据”。地图数据通常指用于导航、定位的环境空间模型，与对比文件生成文本描述的目的和作用不同。 |
| **J: 《未公开》** | 无 | 对比文件在计算相似性时，考虑的是聚类的大小、形状、位置（[0070]），并未提及根据“对象类型”（如标志、车道标记）来采用不同的相似性度量方法。 |
| **K: 《未公开》** | 无 | 对比文件未涉及“标志对象类型”。 |
| **L: 《未公开》** | 无 | 对比文件未涉及“标志数据”。 |
| **M: 《未公开》** | 无 | 对比文件未涉及“标志”以及来自不同行程的标志点距离。 |
| **N: 《未公开》** | 无 | 对比文件未涉及“车道标记数据”。 |
| **O: 《未公开》** | 无 | 对比文件未公开“执行多个不同的聚类步骤”。其聚类关联过程在[0070]中描述为一次性选择聚类以最大化相似性得分。 |
| **P: 《未公开》** | 无 | 对比文件未公开分层聚类，更未公开使用不同距离参数的多步骤聚类。 |
| **Q: 《未公开》** | 无 | 对比文件未提及“谱聚类（spectral clustering）”。 |
| **R: 《未公开》** | 无 | 对比文件未提及基于聚类结果执行“捆绑调整（bundle adjustment）”。捆绑调整是计算机视觉和摄影测量中用于优化3D结构和相机参数的特定方法，未在对比文件中出现。 |
| **S: 《未公开》** | 无 | 对比文件未提及在“关联块（association tiles）”内执行聚类。其聚类是在整个帧序列的全局范围内比较进行的。 |
| **T: 《未公开》** | 无 | 对比文件未公开“产生地图数据”，因此自然也未曾公开“细化地图数据”这一步骤。 |
| **U: 《未公开》** | 无 | 对比文件未涉及“将所产生的地图数据传输到至少一个车辆”。 |
| **V: 《隐含公开》** | [0020] “Spatial data may be mapped onto or otherwise represented in terms of a geometric grid... Each frame may include a collection of locations that are uniquely addressable via an indexing system (e.g., a coordinate grid...” <br> [0080] “At action 808, a point location, such as a centroid, may be computed for the each cluster...” | 对比文件处理的空间数据帧定义了属性在坐标网格中的位置。计算出的聚类链及其质心位置，本质上包含了对象的位置信息。虽然未明确使用“位姿（pose）”这一术语（通常包含位置和方向），但“位置信息”是“位姿信息”的核心组成部分。对于本领域技术人员而言，在空间运动检测的上下文中，获取对象的位置信息是隐含的。作用都是为对象提供空间参考信息。但在目标专利中，位姿信息用于高精度地图构建，而在对比文件中，位置信息用于描述运动轨迹，两者解决的技术问题不同。 |
<<<A>>><<<B>>><<<C>>><<<d>>><<<E>>><<<F>>><<<v>>>