**对比文件名称**：发明公开_CN104766058A 一种获取车道线的方法和装置
**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 |
| **技术特征A**：接收对应于第一行程的第一组对象数据； | 对比文件说明书第[0021]段：“采集道路数据。该道路数据至少包括二维图像数据和三维激光点云数据。” | **未公开**。对比文件描述的是单次采集过程，获取的是同一时间、同一采集设备（车载系统）采集的“道路数据”，该数据包含二维图像和三维点云。这组数据对应于一次数据采集活动，而非目标专利中明确限定的、可对应于不同时间、不同车辆或不同旅程的“第一行程”。目标专利的“行程”强调数据的独立性和多源性，而对比文件未体现从不同独立行程接收数据的概念。 |
| **技术特征B**：接收对应于第二行程的第二组对象数据； | 无对应原文。 | **未公开**。对比文件全文仅描述了基于单次采集的数据进行处理，未提及接收来自另一次独立采集行程（第二行程）的数据。其技术方案不涉及整合多个独立行程的数据。 |
| **技术特征C**：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； | 对比文件说明书第[0047]段：“对过滤后的三维车道线散点，可以采用诸如欧氏距离聚类等方法对其进行聚类，即可以用欧氏距离来度量各个三维车道线散点之间的相异程度”。 | **未公开**。对比文件确实使用了“欧氏距离”作为度量，但其度量的对象是**单次采集并转换、过滤后得到的所有三维车道线散点两两之间**的相异程度，目的是为了将这些散点聚类成不同的车道线。这不同于目标专利中用于**比较来自两个不同行程的两组对象数据**（如标志或车道标记数据）之间相似性的“相似性度量”。两者度量的对象和目的均不同。 |
| **技术特征D**：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； | 同上，第[0047]段。 | **未公开**。理由同特征C。对比文件中的欧氏距离计算的是**同一数据集内**点与点之间的距离，用于判断它们是否属于同一条车道线。而目标专利的相似性度量特指**跨行程**的对象数据点之间的距离，用于判断不同行程观测到的对象是否为同一个物理对象。作用不同。 |
| **技术特征E**：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； | 对比文件说明书第[0047]段：“对过滤后的车道线散点进行聚类，以获取车道线。” 及第[0048]段：“可以将相异程度低于某一阈值的点聚为一类，则可以获取由三维车道线散点构成的车道线。” | **未公开**。对比文件确实进行了聚类，但其聚类操作的对象是**单次采集数据经处理得到的“三维车道线散点”**，目的是将这些散点归类成连续的车道线。而目标专利的聚类操作对象是**分别来自第一行程和第二行程的两组对象数据**，目的是将不同行程中观测到的、可能代表同一物理对象的数据关联（聚类）到一起。两者聚类操作的数据基础、输入和目的均存在本质区别。 |
| **技术特征F**：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； | 无对应原文。 | **未公开**。对比文件的聚类是为了从一堆散点中找出属于同一条车道线的点集（参见图5），其关联是在**单次采集数据的内部点之间**进行。目标专利的聚类是为了**跨行程关联对象**，即将行程一看到的某个对象与行程二看到的某个对象判断为同一个。对比文件未涉及跨数据源的关联。 |
| **技术特征G**：所述聚类包括使用所述相似性度量来执行分层聚类； | 无对应原文。对比文件仅提及“欧氏距离聚类”，未说明是分层聚类。 | **未公开**。对比文件未提及“分层聚类”这一具体聚类方法。其使用的“欧氏距离聚类”是一个宽泛的概念，未特指为分层聚类。 |
| **技术特征H**：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； | 无对应原文。 | **未公开**。对比文件未提及在不同聚类水平或步骤中使用不同的距离参数。 |
| **技术特征I**：基于所述至少一个对象簇来产生地图数据； | 对比文件说明书第[0049]段：“可以将上述获取的车道线用于标记地图。” 及第[0050]段：“可以在地图上标记出车道线。” | **隐含公开**。对比文件最终输出的是三维车道线（如图5所示），并明确说明其可用于标记地图。这“三维车道线”即构成了地图数据的一部分。虽然其产生过程是基于单次采集数据的处理，而非基于跨行程聚类得到的“对象簇”，但“产生地图数据”这一功能结果是相同的。从广义上讲，对比文件公开了“基于处理后的数据（可类比为‘对象簇’，但内涵不同）产生地图数据（车道线）”这一特征。然而，其技术手段（基于单次数据处理）与目标专利（基于多行程聚类）不同。**论述**：在对比文件中，聚类得到的车道线（可视为一种“对象”的集合）直接作为地图数据（车道线信息）输出。这与目标专利中基于对象簇产生地图数据所起的作用（生成地图内容）是相同的。尽管两者生成“对象簇”的技术路径不同，但“基于某种对象表示来产生地图数据”这一上位概念已被对比文件公开。 |
| **技术特征J**：其中所述相似性度量基于对象类型； | 无对应原文。对比文件仅处理车道线一种对象类型。 | **未公开**。对比文件全程只涉及“车道线”这一种对象类型，不存在基于不同对象类型采用不同相似性度量的场景或需求。 |
| **技术特征K**：其中针对标志对象类型确定所述相似性度量； | 无对应原文。对比文件未涉及“标志对象”。 | **未公开**。对比文件的技术方案完全不涉及交通标志等标志对象的识别、处理或聚类。 |
| **技术特征L**：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； | 无对应原文。 | **未公开**。同特征K。 |
| **技术特征M**：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； | 无对应原文。 | **未公开**。同特征K、L。 |
| **技术特征N**：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； | 对比文件全文均是关于车道线（即车道标记）的获取。其采集和处理的数据可视为“车道标记数据”。 | **直接公开**。对比文件明确其目的在于“获取车道线”（参见标题、摘要、背景技术等），其采集的二维图像数据、三维点云数据以及中间处理数据，都是围绕“车道标记”进行的。因此，其处理的数据本质上就是“车道标记数据”。 |
| **技术特征O**：其中执行分层聚类包括执行多个不同的聚类步骤； | 无对应原文。 | **未公开**。对比文件未描述其聚类过程包含多个不同的步骤。 |
| **技术特征P**：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； | 无对应原文。 | **未公开**。对比文件未提及使用不同的距离参数进行多步骤聚类。 |
| **技术特征Q**：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； | 无对应原文。对比文件提及的是“欧氏距离聚类”。 | **未公开**。“谱聚类”是一种特定的聚类算法。对比文件仅泛泛提及“欧氏距离聚类”，并未公开“谱聚类”这一具体方法。 |
| **技术特征R**：其进一步包括基于所述至少一个对象簇来执行捆绑调整； | 无对应原文。 | **未公开**。“捆绑调整”是计算机视觉和摄影测量中用于联合优化三维点位置和相机参数的技术。对比文件的技术方案中未包含此优化步骤。 |
| **技术特征S**：其中在一或多个关联块中的每一个内执行聚类； | 无对应原文。 | **未公开**。对比文件未提及将数据划分为“关联块”并在块内执行聚类的技术。 |
| **技术特征T**：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； | 无对应原文。对比文件得到了车道线即作为最终输出，未提及进一步的“细化”操作。 | **未公开**。对比文件未公开基于聚类结果对已有地图数据进行“细化”的步骤。其过程是直接从原始数据生成车道线数据。 |
| **技术特征U**：其进一步包括将所产生的地图数据传输到至少一个车辆； | 无对应原文。 | **未公开**。对比文件未提及将获取的车道线数据传输给车辆。 |
| **技术特征V**：其中所述对象数据包括对象位姿信息； | 对比文件说明书第[0022]-[0026]段描述了获取三维激光点云数据，其中包含空间点的三维坐标(x, y, z)。 | **未公开**。对比文件中的三维点云数据仅包含点的**位置坐标**（3D位置）。目标专利中的“对象位姿信息”通常指包含位置和方向（6自由度，如旋转）的完整姿态信息。对于车道线，位姿信息可能还包括其走向、方向等。对比文件未明确提及或隐含其数据包含对象的定向或完整位姿信息。 |
**结论**：
经逐一比对，对比文件CN104766058A公开了目标专利的技术特征N（直接公开），并隐含公开了技术特征I。其余技术特征A-H、J-M、O-T、U-V均未被对比文件直接或隐含公开。
<<<N>>>
<<<i>>>