**对比文件名称**：发明申请_US20150116464A1 IMAGE PROCESSING APPARATUS AND IMAGE CAPTURING APPARATUS
**目标专利名称**：用于校正错误深度信息的系统和方法
**本次调用的模型名称**：OpenAI GPT-4
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：一种用于产生经校正深度图的电子装置，其包括：深度传感器** <br> **隐含公开** | [0022] “The acquisition unit 132 acquires captured image data from a signal output from the processing unit 130, and acquires, from the captured image data, depth information of an object and depth map data. As methods for acquiring depth information of the object, there are a method (depth from defocus (DFD) method) using pieces of differently out-of-focus captured image data captured on different image capturing conditions, and a method (stereo method) using pieces of captured image data with a different parallax. In addition, there are a time of flight method and a depth from focus method.” | 目标专利中的“深度传感器”是用于获取深度信息的装置。对比文件[0022]段描述了从捕获的图像数据中获取深度信息和深度图数据，并列举了多种方法（如DFD、立体、飞行时间等）。这些获取深度信息的方法（例如立体方法或飞行时间方法）在本领域通常需要相应的传感器硬件（如立体相机或ToF传感器）来实现。因此，虽然对比文件没有明确写出“深度传感器”这一部件名称，但本领域技术人员根据其描述的获取深度信息的功能和技术手段，可以毫无疑义地确定其装置必然包含用于实现该功能的深度传感器。该传感器在对比文件中起到获取原始深度数据的作用，与目标专利中深度传感器的作用相同。因此，技术特征A被对比文件隐含公开。 |
| **技术特征B：耦合到所述深度传感器的运动传感器，其中所述运动传感器经配置以确定运动信息；** <br> **未公开** | 对比文件全文未提及运动传感器或用于确定运动信息的部件。 | 目标专利中的“运动传感器”专门用于确定深度传感器的运动信息，这是后续计算移位信息并进行深度图变换校正的基础。对比文件全文（包括背景技术、发明内容、具体实施方式）均未提及任何形式的运动传感器（如加速度计、陀螺仪），也未提及需要获取或使用装置的运动信息。其深度校正完全基于图像数据、深度图数据及其可靠性，与传感器的物理运动无关。因此，对比文件既未直接公开也未隐含公开技术特征B。 |
| **技术特征C：以及 耦合到所述深度传感器和所述运动传感器的处理器，** <br> **隐含公开（部分）** | [0019] “The image processing apparatus 13 includes a processing unit 130, a memory 131, an acquisition unit 132, a reduction unit 133, a correction unit 134, and an enlargement unit 135.” <br> [0021] “The processing unit 130 has a function of performing various signal processes...” <br> [0022] “The acquisition unit 132 acquires captured image data... and acquires... depth information... and depth map data.” | 目标专利中的“处理器”被配置为执行获得深度图、获得移位信息、变换深度图、检测并校正错误等多项功能。对比文件中的“图像处理装置13”包含了“处理单元130”、“获取单元132”、“校正单元134”等多个功能单元，这些单元共同协作，完成了获取、处理和校正深度图数据的功能，其本质相当于一个处理器系统。该处理器系统必然与获取深度信息的部件（即隐含的深度传感器）耦合。然而，由于对比文件不存在运动传感器（特征B），因此其处理器系统不可能“耦合到所述运动传感器”。但就“耦合到所述深度传感器”以及作为执行处理功能的“处理器”而言，本领域技术人员可以从对比文件的系统构成中直接确定其存在。因此，技术特征C中关于“处理器”及“耦合到深度传感器”的部分被隐含公开，但“耦合到运动传感器”的部分未被公开。 |
| **技术特征D：获得第一深度图，其中所述第一深度图包括由所述深度传感器在第一取样操作进行取样的场景的第一部分的第一深度信息；** <br> **直接公开** | [0022] “The acquisition unit 132 acquires captured image data... and acquires, from the captured image data, depth information of an object and depth map data.” <br> [0033] “First, the acquisition unit 132 acquires captured image data D20a, depth map data D20b, and reliability map data D20c (S20).” | 目标专利的“获得第一深度图”是校正过程的起点。对比文件[0022]和[0033]明确描述了“获取单元”获取深度图数据（depth map data）的步骤。虽然对比文件未明确区分“第一”和“第二”取样，但其获取的深度图数据（如D20b）本质上就是由图像捕获装置（隐含的深度传感器）在某个时刻对场景进行取样所得到的一份深度信息集合，即一份深度图。该深度图在对比文件中是后续校正处理的对象，起到了提供原始深度数据的作用，与目标专利中第一深度图的作用相同。因此，技术特征D被对比文件直接公开。 |
| **技术特征E： 获得第二深度图，其中所述第二深度图包括由所述深度传感器在第二取样操作进行取样的所述场景的第二部分的第二深度信息；** <br> **未公开** | 对比文件全文仅涉及对单份深度图数据进行校正处理，未描述需要获取或使用在不同时间点（第二取样操作）对场景不同部分（第二部分）进行取样的另一份深度图（第二深度图）。 | 目标专利的核心创新点之一在于利用来自不同时间取样（并因传感器运动而对应场景不同部分）的多个深度图，结合运动信息进行相互校正。对比文件的校正方案完全基于单帧的捕获图像数据和对应的深度图数据，通过空间域滤波（如使用公式1）来校正错误，不涉及时间序列上多个深度图的获取与融合。因此，对比文件既未直接公开也未隐含公开需要获得“第二深度图”的技术特征E。 |
| **技术特征F：基于所述运动信息来获得指示所述深度传感器在所述第一取样操作与所述第二取样操作之间的移位的移位信息；** <br> **未公开** | 对比文件全文未提及基于运动信息获得移位信息。 | 如对特征B和E的分析，对比文件不涉及运动传感器，也不涉及在不同取样操作下获取的多个深度图。因此，根本不存在需要计算“深度传感器在第一取样操作与第二取样操作之间的移位”的技术场景。该特征是目标专利实现帧间变换校正的关键。对比文件未公开此特征。 |
| **技术特征G：基于所述移位信息来变换所述第一深度图以产生经变换深度图；** <br> **未公开** | 对比文件全文未提及基于移位信息对深度图进行变换。 | 目标专利中的“变换”特指利用传感器移位信息（如旋转、平移）将前一帧深度图几何映射到当前帧视角，以生成“经变换深度图”。对比文件的校正过程中（如S22，使用公式1），是对当前深度图数据本身进行滤波处理，或对降采样后的深度图进行滤波（第二实施例），不涉及利用外部运动参数对一份深度图进行几何变换以生成另一份视角对齐的深度图。因此，技术特征G未被公开。 |
| **技术特征H： 通过比较所述第二深度图的一或多个深度与所述经变换深度图的一或多个深度来检测错误深度信息；** <br> **隐含公开** | [0033] “The reliability map data D20c represents a distribution of reliability of depth information of each pixel in the depth map data D20b. As for depth information, if there is a high possibility that any of the above-mentioned errors has occurred, a value of the reliability is low.” <br> [0037] “If the reliability of the depth information is high, T is set to 1, and if the reliability of the depth information is low, T is set to 0.” | 目标专利通过比较当前深度图与经变换的先前深度图的深度值来检测错误（如孔洞、错误测量）。对比文件虽然不进行帧间比较，但明确使用了“可靠性图数据”（reliability map data）来标识深度图中可能出错的像素（低可靠性区域），如[0033]所述。这意味着其系统具备“检测错误深度信息”的能力或前提，因为必须先知道哪些位置的深度信息可能错误（低可靠性），才能进行有针对性的校正。检测错误是校正的前提，虽然在对比文件中错误信息的来源（如通过立体匹配置信度计算得出）与目标专利（通过帧间比较）不同，但“检测错误深度信息”这一功能目的是相同的。因此，本领域技术人员可以从对比文件使用可靠性图这一事实，合理推断出其系统必然包含了某种形式的错误检测机制。技术特征H被隐含公开。 |
| **技术特征I：以及通过基于所述经变换深度图校正所述第二深度图的所述错误深度信息来产生经校正深度图。** <br> **未公开** | [0036]-[0038] 描述了使用降采样后的捕获图像数据（D21a）和可靠性图数据（D20c），通过滤波（公式1）来校正深度图数据（D20b），生成校正后的深度图数据（D22）。 | 目标专利的校正是“基于所述经变换深度图”来校正当前深度图的错误信息，是一种利用时间上前一帧变换后信息进行填补或替换的方法。对比文件的校正（S22）是基于**同一帧**的、降采样后的**彩色图像数据**和可靠性信息，通过加权滤波来平滑和填补深度图，其校正信息来源（彩色图像纹理）和校正原理（空间域滤波）均与目标专利的“基于经变换深度图”完全不同。因此，技术特征I未被公开。 |
| **技术特征J：，其中所述处理器经配置以用所述经变换深度图的对应深度信息替换所述错误深度信息。** <br> **未公开** | 对比文件未提及“经变换深度图”，也未描述用另一幅深度图的对应信息直接替换当前深度图错误信息的操作。其校正过程是滤波和加权平均。 | 该特征是实现特征I的具体手段之一。由于对比文件既没有“经变换深度图”（特征G未公开），其校正方式也不是简单的替换操作，因此该特征未被公开。 |
| **技术特征K：，其中所述处理器经配置以对所述第二深度图的非错误深度信息与所述经变换深度图的对应非错误深度信息求平均。** <br> **未公开** | [0037] 公式1展示了对深度信息进行加权求平均的过程。 | 对比文件的校正过程中确实涉及对深度信息求平均（如公式1的加权平均），但其求平均的对象是**当前深度图内**及其对应彩色图像像素，目的是平滑噪声和校正边界，而不是在**两幅深度图（当前帧与经变换的前一帧）的非错误信息之间**进行求平均以融合信息。目标和上下文不同。因此，技术特征K未被公开。 |
| **技术特征L：，其中所述处理器经配置以确定所述第二深度图的所述深度是否比所述经变换深度图的所述深度大阈值量。** <br> **未公开** | 对比文件未提及与“经变换深度图”的比较，也未提及使用“阈值量”进行深度比较来检测错误的具体判断方式。 | 该特征是检测错误深度信息（特征H）的一种具体实现方式。由于对比文件不存在“经变换深度图”，且其错误检测隐含在可靠性图中，并未描述通过阈值比较深度值的方法，因此该特征未被公开。 |
| **技术特征M：，其中所述检测所述错误深度信息是基于所述经变换深度图的至少两个深度与所述第二深度图的至少两个深度之间的空间‑时间平均值。** <br> **未公开** | 对比文件未提及“空间-时间平均值”，其处理主要基于单帧内的空间信息。 | 该特征是一种具体的错误检测算法，涉及跨帧（时间）和空间的信息融合。对比文件的校正过程完全是基于单帧数据的空间处理，未涉及跨帧的时间信息融合用于检测错误。因此，该特征未被公开。 |
| **技术特征N：，其中所述处理器经配置以：将深度传感器平面上的一或多个点投射到世界坐标上以产生一或多个世界坐标点；旋转所述一或多个世界坐标点；平移所述一或多个世界坐标点；以及重新投射所述一或多个世界坐标点以产生所述经变换深度图。** <br> **未公开** | 对比文件全文未描述将深度图点投影到世界坐标系、进行旋转和平移变换、再重新投影的几何变换流程。 | 该特征是实现深度图几何变换（特征G）的一种具体、详细的数学方法（例如基于相机模型的3D变换）。对比文件的方案不涉及对深度图进行此类基于运动参数的3D几何变换，因此该特征未被公开。 |
| **技术特征O：，其中所述检测所述错误深度信息是基于所述第二深度图中的两个或更多个深度的空间平均值。** <br> **隐含公开** | [0037] 公式1的滤波计算中，对校正目标像素p的深度值进行校正时，使用了周围像素q的深度值D(q)进行加权平均。计算范围S内的周围像素深度值本质上构成了一个局部空间平均值（加权平均）。虽然该公式主要用于“校正”，但为了决定加权，系统必然隐含地考虑了当前像素深度与其周围空间平均深度的关系来判断其可靠性或是否异常，这是检测错误的逻辑基础之一。 | 目标专利说明书中（参见[0049]）提到可通过比较深度值与其邻域深度值（如空间平均值）来检测错误测量值。对比文件在利用公式1进行校正时，其权重计算基于像素位置和颜色相似性，但最终校正结果是周围深度值的加权平均。本领域技术人员可以理解，在执行这种基于邻域的加权平均校正前，通常需要识别出可能错误的点（例如，与周围差异过大的点），否则会污染邻域数据。虽然对比文件明确使用可靠性图作为错误指示，但可靠性图本身的生成很可能就依赖于类似“与空间邻域比较”的准则。因此，可以合理推断对比文件所描述的方案中，隐含着基于空间邻域信息（如平均值）来辅助检测或定义错误深度信息的可能性。该特征被隐含公开。 |
| **技术特征P：，其中所述错误深度信息包括深度传感器中断。** <br> **直接公开** | [0029] “A first error is an error (data loss) in which depth information is not able to be acquired.” <br> [0037] “an interpolation of data loss is performed by using the reliability map data.” | 目标专利说明书[0024]-[0025]将“深度传感器中断”解释为深度传感器未能检测到任何内容，导致深度图中出现孔洞或缺失值（data loss）。对比文件[0029]明确将“深度信息无法获取”列为第一种错误，并将其描述为“数据丢失”（data loss），并在[0037]提到对数据丢失进行插值。这与目标专利所述的“深度传感器中断”完全对应。因此，技术特征P被对比文件直接公开。 |
<<<D>>><<<P>>><<<a>>><<<c>>><<<h>>><<<o>>>