**对比文件名称**：发明专利_DE102015203016A1 Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld
**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 接收对应于第一行程的第一组对象数据；** <br>《直接公开》 | 说明书第[0063]段：“Im ersten Verfahrensabschnitt, während einer Lernfahrt, erfasst die Kamera 2 über die Bilderfassungseinrichtung 3 mindestens zwei Abbildungen des frontseitigen Umfelds an unterschiedlichen Positionen des Kraftfahrzeugs im Umfeld... In den mindestens zwei erfassten Abbildungen extrahiert die Steuereinrichtung 4 anschließend graphische Merkmale.” | 对比文件明确公开了在第一程序段（即“学习行驶”或第一行程）中，通过摄像头捕获至少两幅图像并从中提取图形特征。这些提取出的特征即对应于第一行程的对象数据。该特征在对比文件中用于构建环境的三维地图，与目标专利中为后续处理提供数据基础的作用相同。 |
| **B 接收对应于第二行程的第二组对象数据；** <br>《直接公开》 | 说明书第[0064]段：“Ist der erste Verfahrensabschnitt mit der Lernfahrt beendet, so können eine oder mehrere Folgefahrten durchgeführt werden... Während der Folgefahrt erfasst die Kamera 2 über die Bilderfassungseinrichtung 3 mindestens eine weitere Abbildung des frontseitigen Umfelds. In der mindestens einen weiteren Abbildung werden dann von der Steuereinrichtung 4 mehrere Merkmale extrahiert.” | 对比文件明确公开了在第一程序段结束后，执行一次或多次“后续行驶”（即第二行程），并在后续行驶中捕获至少一幅进一步的图像并从中提取多个特征。这些特征即对应于第二行程的对象数据。该特征在对比文件中用于在已构建地图的基础上进行车辆定位，与目标专利中为多行程数据关联提供另一组数据的作用相同。 |
| **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；** <br>《隐含公开》 | 说明书第[0064]段：“...anschließend werden die mehreren Merkmale in der Karte gesucht.” 以及第[0074]段：“Die aufgefundenen Merkmale 18', 18'', 18''' werden anschließend in der Karte gesucht, hier werden sie beispielsweise in einem Ausschnitt 27 der Karte... aufgefunden.” | 对比文件虽然没有直接使用“相似性度量”这一术语，但明确描述了将在后续行驶图像中提取的特征与之前存储在地图中的特征进行搜索和匹配。这个过程必然隐含着对两组特征数据之间某种匹配程度或相似性的判断，例如通过特征描述符的比较或几何一致性验证，以确定它们是否对应于地图中的同一特征点。这种匹配判断的本质就是一种相似性度量。其在对比文件中用于实现跨行程的特征关联以进行定位，与目标专利中用于量化不同行程数据关联性的作用相同。 |
| **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；** <br>《隐含公开》 | 说明书第[0063]段：“Nach Auffinden paarweise identischer Merkmale wird mit Hilfe stereoskopischer Verfahren unter Verwendung der Odometriedaten deren dreidimensionale Position bestimmt. Dies kann beispielsweise mit dem bekannten Structure-from-Motion(SfM)-Verfahren geschehen...” 以及第[0074]段：“Da die dreidimensionalen Positionen der Merkmale 18', 18'', 18''' in der Karte gespeichert sind, lässt sich aus den Richtungen der Merkmale 18', 18'', 18''' bezüglich des Betrachtungspunktes 62, die Ist-Position 73... eindeutig bestimmen.” | 对比文件通过SfM等方法确定特征的三维位置并存储于地图中。在后续行驶定位时，通过三角测量基于当前观测特征的方向与地图中存储的特征三维位置来确定车辆位姿。这个三角测量过程在数学上等价于最小化重投影误差，其核心是计算当前观测的二维点与地图中三维点投影到当前图像平面的二维点之间的距离（重投影误差）。因此，虽然对比文件未明确表述“点之间的距离”，但定位过程隐含依赖于这种距离计算。该隐含的距离计算在对比文件中用于求解车辆位姿，与目标专利中作为相似性度量的核心计算依据在本质上相同。 |
| **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；** <br>《隐含公开》 | 说明书第[0063]段：“Die Steuereinrichtung 4 erstellt eine Karte des Umfeldes und trägt die dreidimensionale Position des Merkmals anschließend in die Karte ein.” 以及第[0064]段：“...anschließend werden die mehreren Merkmale in der Karte gesucht.” | 对比文件描述了将不同时间（学习行驶）观测到的特征及其三维位置存储在一张统一的地图中。当后续行驶观测到特征并在该地图中搜索匹配时，实际上是将来自不同行程、对应于同一物理对象的特征数据关联并“聚集”到了地图中的同一个位置条目下。这种将多行程数据关联到地图中同一地标实体的过程，隐含了“聚类”的概念，其产生的“地图中的特征位置”即相当于一个“对象簇”（包含了来自不同行程的观测数据）。该隐含的聚类在对比文件中用于构建和维护统一的环境表示，与目标专利中整合多行程数据以形成一致对象表示的作用相同。 |
| **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；** <br>《隐含公开》 | 说明书第[0064]段：“In den meisten Fällen unterscheiden sich die in den Abbildungen identifizierten Merkmale so stark, dass jedem Merkmal genau eine Position in der Karte zugeordnet ist, so dass beim späteren Suchen stets eine eindeutige Zuordnung zur einer Position in der Karte gewährleistet ist.” | 对比文件明确指出，通过在地图中搜索，可以将当前图像中识别的特征唯一地分配到地图中的一个位置。这意味着，来自当前行程（第二组数据）的特征对象，通过这种搜索匹配，与之前存储在地图中（来自第一组数据）的特征对象关联了起来。这种“搜索并分配”的过程正是聚类在跨数据关联方面的具体体现。该特征在对比文件中用于实现跨行程的特征匹配以支持定位，与目标专利中聚类功能所起到的关联作用相同。 |
| **G 所述聚类包括使用所述相似性度量来执行分层聚类；** <br>《未公开》 | 无相应原文。 | 对比文件完全没有提及任何具体的聚类算法，更没有涉及“分层聚类”这一特定方法。其跨行程数据的关联是基于特征匹配和地图搜索，而非通过计算相似性矩阵并执行分层迭代的聚类过程。 |
| **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；** <br>《未公开》 | 无相应原文。 | 由于对比文件未公开任何形式的分层或多步骤聚类，因此自然也谈不上使用不同的距离参数。 |
| **I 和基于所述至少一个对象簇来产生地图数据；** <br>《直接公开》 | 说明书第[0063]段：“Die Steuereinrichtung 4 erstellt eine Karte des Umfeldes und trägt die dreidimensionale Position des Merkmals anschließend in die Karte ein.” | 对比文件明确公开了基于提取的特征及其确定的三维位置来创建（erstellt）三维地图数据。这里“特征的三维位置”即相当于前述隐含的“对象簇”（来自学习行程的观测数据）。该特征在对比文件中是构建环境模型的核心步骤，与目标专利中生成地图数据的作用相同。 |
| **J 其中所述相似性度量基于对象类型；** <br>《未公开》 | 无相应原文。 | 对比文件提取和匹配的是通用的“图形特征”（graphische Merkmale），如边、角、图案等，并未对这些特征按照其来源的“对象类型”（如标志、车道线）进行分类，也未提及根据不同类型采用不同的相似性度量方法。 |
| **K ，其中针对标志对象类型确定所述相似性度量，；** <br>《未公开》 | 无相应原文。 | 对比文件未特别针对“标志”这类对象进行描述或处理。其处理的是更底层的图像特征。 |
| **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，；** <br>《未公开》 | 无相应原文。 | 对比文件未明确其提取的特征数据是专门针对“标志”的。说明书第[0060]段举例的特征来源包括建筑物边缘、车道边界石和车道标记等，并未特指交通标志。 |
| **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；** <br>《未公开》 | 无相应原文。 | 基于特征K和L未被公开，此进一步限定的特征M也未被公开。 |
| **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，；** <br>《隐含公开》 | 说明书第[0060]段：“Für die Fahrbahn 13 werden beispielsweise die graphischen Repräsentationen der Randsteine 14 und der Fahrbahnmarkierung 15 jeweils mit eigenen Merkmalen 19, 20 versehen.” | 对比文件明确将“车道标记”（Fahrbahnmarkierung）的图形表示作为特征提取的来源之一。因此，从车道标记提取的特征数据构成了对象数据的一部分。该特征在对比文件中作为环境特征的一种用于建图和定位，与目标专利中包含车道标记数据的作用相同。 |
| **O 其中执行分层聚类包括执行多个不同的聚类步骤；** <br>《未公开》 | 无相应原文。 | 同特征G，对比文件未公开任何分层或多步骤聚类方法。 |
| **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；** <br>《未公开》 | 无相应原文。 | 同特征H，对比文件未公开任何涉及不同距离参数的多步骤聚类。 |
| **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；** <br>《未公开》 | 无相应原文。 | 对比文件未提及“谱聚类”这一特定算法。 |
| **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；** <br>《隐含公开》 | 说明书第[0063]段：“Nach Auffinden paarweise identischer Merkmale wird mit Hilfe stereoskopischer Verfahren unter Verwendung der Odometriedaten deren dreidimensionale Position bestimmt. Dies kann beispielsweise mit dem bekannten Structure-from-Motion(SfM)-Verfahren geschehen...” | 对比文件明确提到使用SfM（运动恢复结构）方法来确定特征的三维位置。SfM是一种经典的计算机视觉方法，其核心通常包含捆绑调整（Bundle Adjustment）步骤，通过优化相机参数和三维点位置来最小化重投影误差。因此，对比文件公开的SfM方法隐含包含了“捆绑调整”这一优化过程。该过程在对比文件中用于优化特征的三维位置（即对象簇的位置），与目标专利中通过捆绑调整优化地图数据的作用相同。 |
| **S 其中在一或多个关联块中的每一个内执行聚类；** <br>《未公开》 | 无相应原文。 | 对比文件未提及将地图划分为“关联块”并在每个块内独立执行聚类的概念。 |
| **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；** <br>《隐含公开》 | 说明书第[0063]段：“...deren dreidimensionale Position bestimmt. Dies kann beispielsweise mit dem bekannten Structure-from-Motion(SfM)-Verfahren geschehen...” | 如特征R所述，SfM方法中的捆绑调整过程本身就是一个细化（优化）过程。通过SfM确定并优化特征的三维位置，就是基于多视图观测（可视为来自同一行程内不同时刻的“对象簇”数据）对地图数据（特征位置）进行细化。该隐含的细化过程在对比文件中用于提高地图的精度，与目标专利中细化地图数据的作用相同。 |
| **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；** <br>《未公开》 | 无相应原文。 | 对比文件描述的是一个单车系统，地图创建和存储均在本地摄像头模块内完成，用于该车自身的后续定位。没有提及将地图数据传输给其他车辆。 |
| **V 其中所述对象数据包括对象位姿信息；** <br>《直接公开》 | 说明书第[0063]段：“...deren dreidimensionale Position bestimmt.” 以及第[0023]段：“Eine Position bezeichnet einen punktförmigen Ort in einem dreidimensionalen Koordinatensystem.” | 对比文件明确公开了确定特征的“三维位置”（dreidimensionale Position），这是对象位姿信息（位置）的核心组成部分。虽然未明确提及方向（Orientation），但位置信息是位姿信息的基础部分。该特征在对比文件中用于精确描述地图中地标的位置，与目标专利中对象数据包含位姿信息的作用相同。 |
<<<A>>><<<B>>><<<I>>><<<V>>><<<c>>><<<d>>><<<e>>><<<f>>><<<n>>><<<r>>><<<t>>>