发明创造名称：基于双摄像机图像融合的车道线识别方法
外观设计名称：
决定号：194591
决定日：2019-11-08
委内编号：1F251048
优先权日：
申请（专利）号：201510081153.8
申请日：2015-02-15
复审请求人：北京联合大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：杭雪蒙
合议组组长：朱晓莉
参审员：李琼
国际分类号：G06T7/00,G06K9/00
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求所要求保护的技术方案与作为最接近的现有技术的对比文件存在区别技术特征，而其它对比文件和本领域常用技术手段给出了将以上区别技术特征应用到该最接近的现有技术中以解决该权利要求实际解决的技术问题的技术启示，那么该权利要求相对于以上对比文件和本领域常用技术手段的结合是显而易见的，不具有突出的实质性特点和显著的进步，不具备创造性。
全文：
本复审请求涉及申请号为201510081153.8，名称为“基于双摄像机图像融合的车道线识别方法”的发明专利申请（下称本申请）。申请人为北京联合大学。本申请的申请日为2015年02月15日，公开日为2015年09月09日。
经实质审查，国家知识产权局原审查部门于2018年02月06日发出驳回决定，驳回了本申请，其理由是：权利要求1与对比文件1（“无人驾驶车基于双视觉系统的城市道路检测”，唐威，《中国优秀硕士学位论文全文数据库 信息科技辑》，2012年第10期，2012年10月15日，第I138-2775页）的区别技术特征是：（1）权利要求1中的摄像机安装在倒车镜的下方，并要求逆透视变换后的鸟瞰图的视野横轴宽度的范围是150cm--250cm，纵轴宽度的范围是500cm--1000cm；且左（或右）摄像机的视野横轴宽度的范围是指车辆左（或右）侧前后车轮外侧连线以左（或右）的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围；步骤2-1与步骤2-2中的视野范围一致；步骤2-1与步骤2-2的顺序能调换；3-1与步骤3-2的顺序能调换；（2）步骤3-1和3-2还包括对图像进行灰度化处理，再进行自适应二值化处理得到二值化图；并根据鸟瞰图像的距离呈现线性相关的规律计算直线与水平的夹角L_rho（或R_rho）和直线的宽度L_width（或R_width），当满足30°≤L_rho≤150°，12cm≤L_width≤30cm（或30°≤R_rho≤150°，12cm≤R_width≤30cm）时则认为该直线是车辆左侧（或右侧）车道线的候选直线；步骤3-3还包括根据车辆左右车道线平行的原理，可知左侧车道线的夹角L_rho与右侧车道线的夹角R_rho相等，允许误差的存在，当满足|L_rho-R_rho|≤5°时则认为可能是左右车道线。但上述区别技术特征部分是本领域的常用技术手段，部分被对比文件2（“无人驾驶车辆运动障碍物检测、预测和避撞方法研究”，辛煜，《中国博士学位论文全文数据库 工程科技II辑》，2014年第10期，2014年10月15日，第C035-6页）公开。因此，在对比文件1的基础上结合对比文件2和本领域的常用技术手段得出该权利要求是显而易见的，因而该权利要求不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。驳回决定所依据的文本为：申请日2015年02月15日提交的说明书第0001-0033段、说明书附图图1-6、说明书摘要、摘要附图、权利要求第1项。驳回决定所针对的权利要求书如下：
“1. 基于双摄像机图像融合的车道线识别系统，其特征在于包含下述步骤：
步骤1：在车辆左右的倒车镜下方安装单目摄像机，摄像机的镜头冲向前下方；
步骤2-1：对左摄像机进行标定，要求逆透视变换后的鸟瞰图的视野横轴宽度的范围是150cm--250cm，纵轴宽度的范围是500cm--1000cm；所述的视野横轴宽度的范围是指车辆左侧前后车轮外侧连线以左的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围；
步骤2-2：对右摄像机进行标定，要求逆透视变换后的鸟瞰图的视野横轴宽度的范围是150cm--250cm，纵轴宽度的范围是500cm--1000cm；所述的视野横轴宽度的范围是指车辆右侧前后车轮外侧连线以右的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围；
步骤2-1与步骤2-2中的视野范围一致；步骤2-1与步骤2-2的顺序能调换；
步骤3-1：从左摄像机获取车辆左侧路面图像L_image，先对图像L_image进行灰度化处理得到灰度图像L_gray，然后对图像L_gray进行自适应二值化处理得到二值化图像L_binary，再对图像L_binary进行逆透视变换得到鸟瞰图像L_bird-view，最后对图像L_bird-view进行霍夫直线变换，检测图像L_bird-view中的所有直线，并根据鸟瞰图像的距离呈现线性相关的规律计算直线与水平的夹角L_rho和直线的宽度L_width，当满足30°≤L_rho≤150°，12cm≤L_width≤30cm时则认为该直线是车辆左侧车道线的候选直线；
步骤3-2：从右摄像机获取车辆右侧路面图像R_image，先对图像R_image进行灰度化处理得到灰度图像R_gray，然后对图像R_gray进行自适应二值化处理得到二值化图像R_binary，再对图像R_binary进行逆透视变换得到鸟瞰图像R_bird-view，最后对图像R_bird-view进行霍夫直线变换，检测图像R_bird-view中的所有直线，并根据鸟瞰图像的距离呈现线性相关的规律计算直线与水平的夹角R_rho和直线的宽度R_width，当满足30°≤R_rho≤150°，12cm≤R_width≤30cm时则认为该直线是车辆右侧车道线的候选直线；
3-1与步骤3-2的顺序能调换；
步骤3-3：对步骤3-1和步骤3-2的结果进行融合；根据车辆左右车道线平行的原理，可知左侧车道线的夹角L_rho与右侧车道线的夹角R_rho相等， 允许误差的存在，当满足|L_rho-R_rho|≤5°时则认为可能是左右车道线，进一步判断；根据车道等宽的原理，左右车道线的距离是固定的或者在某一个范围内，城市道路的车道宽度范围在300cm--375cm，当左右候选车道线的间距满足车道宽度时，则认为是左右车道线。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年05月04日向国家知识产权局提出了复审请求，未提交修改的申请文件。复审请求人认为：1.摄像机的安装位置会影响整个识别方法的有效性。本申请将两个摄像机安装在倒车镜的下方，而对比文件1是无人车的最左和最右端，尽可能在高处；两者采集的图像视野有区别。本申请的位置较低则会不受自身车辆的影响，而且对比文件1是在非拥堵的校园，没有真正考虑城市拥堵环境。2.本申请设定了鸟瞰图的视野范围，这保证了所处理的图像视野内不超过1个车道宽度，为后续识别提供了可靠信息；而对比文件1中包含1根或2根、3根车道，会对后续识别带来很大干扰。3.与对比文件2相比，对比文件2的摄像机安装在车辆中轴高处，这种方式很难采集到拥堵时的车道线。进一步，虽然两者采用了相同的图像处理手段，但对比文件2比本申请多了路况判断。本申请应用场景固定，用更简单的方法得到更好的识别效果。
经形式审查合格，国家知识产权局于2018年05月18日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：1.首先，对比文件1的“视觉传感器应该尽可能安装在高处”实质上仅是其所参考的视觉设备的安装搭建策略中的一条；对比文件1还公开了“双摄像头之间的基线（两个摄像头之间的距离）应尽量长”、“摄像头俯仰角必须可调，为了更好的获取高质量的路面信息，摄像头在安装时应考虑下倾一定的角度”等多个摄像头的安装要求以便于获取需要图像。其次，在所属领域，无人驾驶汽车作为智能汽车的一种，其通常包含左右倒车镜，例如，对比文件2中的附图2.1和2.2分别列举的无人驾驶车辆均包含左右倒车镜；且本领域技术人员熟知，AVM（Around View Monitor）全景式泊车辅助系统已广泛应用于汽车领域，其通过收集安装在车身左右倒车镜下以及车体前端和车体尾部的4个广角相机采集覆盖汽车周围360°的图像数据，从而使驾驶员直观地了解到汽车周边车况，更加安全地停泊车辆，具体地，如英菲尼迪EX35上便引入了AVM全景式监控影像系统（http://inf.315che.com/n/2008_10/71668/），因而在此基础上，本领域技术人员容易想到将左右摄像头分别安装在位于车辆最左端和最右端的左倒车镜和右倒车镜的下方，以便于获取车辆左前方和右前方的道路图像，这属于本领域的常用技术手段。
2.本申请的权利要求中并未限定其进行车道线识别的应用环境为城市拥堵道路环境；此外，在对比文件1公开了该基于双摄像头的道路检测方法可应用于存在行人或车辆等各种复杂情况的城市道路这一场景的基础上，本领域技术人员可以根据具体实现的需要将其应用于城市拥堵道路这一具体应用场景，这属于本领域的常用技术手段。
3.对比文件1的背景部分还公开了以下内容（参见正文第1页第1.1节第3段）：越来越多的半自动化的功能已应用于车辆上，而其中车道偏离预警是最基本的功能之一，实现这种功能只需要达到能识别前方几米范围内的主车道线这种程度即可。在此基础上，本领域技术人员容易想到将车道线的识别范围具体限定在两侧的主车道线区域，并选择视野无重叠的方式即设置左右摄像机各自对应的视野范围之间不存在公共视野，从而使得左侧摄像头只能检测到左侧主车道线，且右侧摄像头只能检测到右侧主车道线，这属于本领域的常用技术手段。
因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019 年06 月11 日向复审请求人发出复审通知书，指出：权利要求1与对比文件1存在区别技术特征，但上述区别技术特征部分是本领域的常用技术手段，部分被对比文件2公开。因此，在对比文件1的基础上结合对比文件2和本领域常用技术手段得出该权利要求是显而易见的，因而该权利要求不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
复审请求人于2019 年07 月24 日提交了意见陈述书，未修改申请文件。复审请求人认为：
1.硬件方面，只有对比文件1的方案与本权利要求的方案接近，但对比文件1并没有要求安装在车辆左右倒车镜下方处，安装的位置高度与本申请有较大本质区别的。对比文件1的无人驾驶智能车实验平台是一个小型的沙滩车，车身比较短，而实际的普通小轿车车身比较长，如果将摄像机安装在车顶，则会受本车自身遮挡而导致无法采集到地面车道线信息，但是本申请要求安装的位置因为比较低而不受自身车辆的影响，更具有实用性和普遍性。
2.软件方面，本申请与对比文件1和2在处理对象和整体效果上有很大的本质区别，主要有三方面：（1）参数方面，本申请在范围参数上根据实际城市道路环境给出了相应的具体参数，而对比文件1和文件2没有。（2）效果方面，对比文件1和文件2文中给出的示例中并没有对城市拥堵环境道路中的车道线识别具有较好的检测识别效果，而本申请对城市拥堵环境道路具有很好的适用性。（3）左右车道线判断方面，本申请对视野范围的限定对于识别车道线起了关键作用，保证了采集的图像中有且只有1根车道线，为后续的车道线识别和左右车道线判断提供了可靠信息。但是对比文件1采集的图像中包含了1根或者2根车道线，甚至3根车道线，这对车道线识别和左右车道线判断带来了很大的干扰。车道线的左右判断并不简单，其是有实际应用意义的，具有创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
（一）审查文本的认定
复审请求人在答复复审通知书时未修改申请文件，因此，本复审决定所依据的文本与驳回决定和复审通知书所针对的审查文本相同，即：复审请求人于申请日2015年02月15日提交的说明书第0001-0033段、说明书附图图1-6、说明书摘要、摘要附图、权利要求第1项。
关于专利法第22条第3款
专利法第22条第3款规定如下：“创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步”。
如果一项权利要求所要求保护的技术方案与作为最接近的现有技术的对比文件存在区别技术特征，而其它对比文件和本领域常用技术手段给出了将以上区别技术特征应用到该最接近的现有技术中以解决该权利要求实际解决的技术问题的技术启示，那么该权利要求相对于以上对比文件和本领域常用技术手段的结合是显而易见的，不具有突出的实质性特点和显著的进步，不具备创造性。
合议组在本复审决定中引用的对比文件1、2与复审通知书、驳回决定中引用的对比文件相同，即：
对比文件1：“无人驾驶车基于双视觉系统的城市道路检测”，唐威，《中国优秀硕士学位论文全文数据库 信息科技辑》，2012年第10期，2012年10月15日，第8-39页；
对比文件2：“无人驾驶车辆运动障碍物检测、预测和避撞方法研究”，辛煜，《中国博士学位论文全文数据库 工程科技II辑》，2014年第10期，2014年10月15日，第21-24页。
其中，对比文件1作为最接近的现有技术。
1、权利要求1不具备创造性。
权利要求1请求保护一种基于双摄像机图像融合的车道线识别系统，对比文件1公开了一种基于双摄像头视觉系统的结构化道路检测方法，并具体公开了以下特征（第8-39页，附图2.2、4.1）：第2.1节，该系统需要两个摄像头协同工作，选取Flea2单目摄像机，将其分别安装在无人车的最左端和最右端；为了更好的获取高质量的路面信息，摄像头在安装时应考虑下倾一定的角度；附图2.2中显示了双摄像机在无人车上的安装位置，可以看出，摄像机的镜头冲向前下方（相当于步骤1：在车辆左右安装单目摄像机，摄像机的镜头冲向前下方）；第2.2.2节，对左侧摄像头和右侧摄像头分别进行参数标定，运用内标定和外标定得到摄像机的焦距、光学参数、俯仰角、图像高宽度及安装高度等参数（相当于步骤2-1：对左摄像机进行标定；步骤2-2：对右摄像机进行标定）；由表2.4和表2.5的参数列表可知，左右侧摄像头的视野范围基本一致。
第3.2.2节，道路两边的车道线一般都是呈平行状态，由于视差，原本平行的车道线在图像中显示的效果是不平行或相交的。首先对图像部分进行逆投影变换（IPM），它的作用是将摄像机拍摄的图片变换到俯视角度的图片，即所谓的“鸟瞰图”（相当于获得逆透视变换后的鸟瞰图）；算法会分别处理各个摄像头采集到的图像；首先对摄像头获取的图像进行预处理，在预处理阶段选取感兴趣区域，并对选定的感兴趣区域进行逆投影变换，得到变换到俯视角度的图片即所谓的“鸟瞰图”（相当于步骤3-1：从左摄像机获取车辆左侧路面图像L_image，先对图像L_image进行预处理，再对图像进行逆透视变换得到鸟瞰图像L_bird-view；以及步骤3-2：从右摄像机获取车辆右侧路面图像R_image，先对图像R_image进行预处理，再对图像进行逆透视变换得到鸟瞰图像R_bird-view）；第3.3节，在图像预处理之后进行特征提取，利用霍夫变换提取出所有可能的直线（相当于最后对图像L_bird-view进行霍夫直线变换，检测图像L_bird-view中的所有直线；以及最后对图像R_bird-view进行霍夫直线变换，检测图像R_bird-view中的所有直线）；特征提取模块的功能是借助一定的算法，提取出经过预处理后的图像中的直线特征，并将这些直线作为候选车道线（相当于确定车辆左侧车道线的候选直线；以及确定车辆右侧车道线的候选直线）；第4.1-4.2节，通过横向模型和已知的车道线间距匹配出最优的车道线，并对两个摄像头的结果进行融合处理；两个摄像头分别按相同的算法检测出车道线的位置后，需要考虑对两组数据进行融合分析；车道线本身的宽度为200mm，两条车道线间的宽度通常为3-3.5m之间（相当于根据车道等宽的原理，左右车道线的距离是固定的或者在某一个范围内，城市道路的车道宽度范围在300cm--375cm），即使车道线之间的宽度本身未发生变化，由于俯仰角的轻微运动或者遇到上下坡的路况，图像中的车道线宽度是会随着变换的；两个摄像头分别输出车道线之间宽度如表4.1和表4.2所示，两个摄像头分别计算出的误差最大均不超过5%，因此认为实验所检测的车道宽度在一定范围内是准确的（相当于步骤3-3：对步骤3-1和步骤3-2的结果进行融合；进一步判断，当左右候选车道线的间距满足车道宽度时，则认为是左右车道线）。
权利要求1与对比文件1相比，区别技术特征在于：（1）权利要求1中的摄像机安装在倒车镜的下方，并要求逆透视变换后的鸟瞰图的视野横轴宽度的范围是150cm--250cm，纵轴宽度的范围是500cm--1000cm；且左（或右）摄像机的视野横轴宽度的范围是指车辆左（或右）侧前后车轮外侧连线以左（或右）的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围；步骤2-1与步骤2-2的顺序能调换；（2）步骤3-1和3-2还包括对图像进行灰度化处理得到灰度图像L_gray（或R_gray），然后对图像L_gray（或R_gray）进行自适应二值化处理得到二值化图像L_binary（或R_binary）；并根据鸟瞰图像的距离呈现线性相关的规律计算直线与水平的夹角L_rho（或R_rho）和直线的宽度L_width（或R_width），当满足30°≤L_rho≤150°，12cm≤L_width≤30cm（或30°≤R_rho≤150°，12cm≤R_width≤30cm）时则认为该直线是车辆左侧（或右侧）车道线的候选直线；3-1与步骤3-2的顺序能调换；步骤3-3还包括根据车辆左右车道线平行的原理，可知左侧车道线的夹角L_rho与右侧车道线的夹角R_rho相等，允许误差的存在，当满足|L_rho-R_rho|≤5°时则认为可能是左右车道线。基于上述区别特征，权利要求1相对于对比文件1实际解决的技术问题是：（1）如何设置摄像机的视野范围；（2）如何实现车道线的检测和识别。
对于上述区别技术特征（1），对比文件1公开了（第2.1.2节最后一段）：斯坦福大学的无人车配置的视觉系统用来辅助激光雷达检测远处的道路，考虑到这种需求，他们将摄像头安装在了车顶部；结合本实验室的具体情况和实际需求，将两个摄像头安装在了如图2.2的位置。由此可知，对于视觉系统中的摄像头安装位置是可以根据实际需求进行设置的。而且对于本领域技术人员来说，摄像机的安装位置不同，其所能拍摄的视野是可以预知的，即本领域技术人员可以根据拍摄需求进行摄像头位置的调整以获取所需的视野，这属于本领域的常用技术手段。如本领域技术人员熟知，AVM技术已广泛应用于全景泊车辅助系统中，其通过收集安装在车身左右倒车镜下以及车体前端和车体尾部的4个广角相机采集覆盖汽车周围360°的图像数据，将车辆4个方向的图像拼接成为一个能够反映车辆周围现实场景的画面，从而使驾驶员直观地了解到汽车周边车况，更加安全地停泊车辆；即将摄像头安装在左右倒车镜下属于本领域的常用手段。也就是说，当实际需求是仅检测车辆前方左右两条车道线，无需检测远方道路或障碍物、路标等时，本领域人员可以想到将左右摄像头分别安装于车辆的左倒车镜和右倒车镜的下方，并将其倾一定的角度，使摄像头能够获取车辆左前方和右前方的车道线图像。
此外，车辆行驶中需关注的左车道线通常在车辆左侧前后车轮外侧连线以左的范围，并且在车辆前方的范围；右侧亦然。为了将车道线覆盖在拍摄范围，使用左右摄像头分别获取车辆左前方和右前方的包含所需一条车道线的图像，由此不受其它冗余信息的影响，这是本领域常用的手段。并且根据车道线本身和车道线间的宽度，及前方道路的远近需求，将左右鸟瞰图的视野标定为宽150cm--250cm，长500cm--1000cm，以使左右单车道线包括在该范围内，这也是本领域人员的常规设定范围。
进一步，在对比文件1公开了每个摄像头为相对独立的个体且算法会分别处理各个摄像头采集到的图像的基础上，本领域技术人员容易想到步骤2-1与步骤2-2的顺序能够进行调换这属于本领域的常用技术手段。
对于上述区别技术特征（2），对比文件2公开了一种车道线检测与识别方法，并具体公开了以下特征（第21-24页）：第2.1.2.2节，逆透视投影最主要的目的是可以得到车道线的真实几何信息，比如平行信息、车道距离信息、车道线长度信息等等。车道线检测和识别的处理流程主要是：对采集的图像进行预处理，主要是图像的平滑；对图像进行二值化，为了适应光照分布的不均匀，采用了自适应阈值二值化方法；二值化的自适应阈值是通过卷积后的像素灰度减去一个固定的值得到的，图2.8展示了源图像的灰度图与相应的二值化图像（相当于先对图像进行灰度化处理得到灰度图像，然后对图像进行自适应二值化处理得到二值化图像）；然后将二值化图像进行逆透视投影变换（相当于逆透视变换得到鸟瞰图像），逆透视投影图planeimage只考虑车前5-53米的区域，因此其大小是640*480，每个像素值所代表的实际大小10cm*10cm；在planeimage中车道线的宽度一般占2个或者3个像素，就可以将横向上连续白点个数大于等于4的白点去除（2个或者3个像素即20-30cm，相当于根据鸟瞰图像的距离呈现线性相关的规律计算直线的宽度L_width（或R_width），满足12cm≤L_width≤30cm（或12cm≤R_width≤30cm））；这时所找出的车道线有很多伪车道线（相当于认为该直线是车辆车道线的候选直线）；利用车道线的长度、车道线间的宽度、车道线的平行信息约束可以找到真正的所在车道中的左右两条车道线（相当于步骤3-3中根据车辆左右车道线平行的原理确定可能的左右车道线）。上述特征在对比文件2中所起的作用与其在本申请中为解决其技术问题所起的作用相同，都是为了实现车道线的检测和识别，即对比文件2给出了将该技术特征用于对比文件1以解决其技术问题的启示。
此外，对于本领域技术人员而言，在进行车道线检测时，根据鸟瞰图像的距离呈现线性相关的规律，该规律中检测到的直线需满足在一定角度范围内才可能是车道线，车道线通常 是向前方延伸，而与水平呈30-150度的角度范围可排除不为向前方延伸的直线，这是常用的检测范围；同时，在对比文件2公开了利用车道线的平行信息约束来查找真正的车道线的基础上，平行线之间的夹角误差在5度以内则认为两者平行，这也是常用的检测范围。也就是说，本领域技术人员容易想到相互平行的左右车道线各自的夹角相等，进而基于该角度关系进行左右车道线的确定，并相应设置所允许的角度误差范围。进一步，左右检测是相互独立的，步骤3-1与步骤3-2的顺序同样能够调换。
因此，在对比文件1的基础上结合对比文件2和本领域常用的技术手段得出该权利要求的技术方案，对本领域技术人员来说是显而易见的。因此该权利要求不具备突出的实质性特点和显著的进步，因而不具备专利法第22条第3款规定的创造性。
（三）针对复审请求人的意见：
1.针对复审请求意见第1条
对此，合议组认为：对于本领域技术人员来说，硬件摄像机的安装位置不同，其所能拍摄的视野是可以预知的，即本领域技术人员可以根据拍摄需求进行摄像头位置的调整以获取所需的视野，这属于本领域的常用技术手段。对比文件1公开了（第2.1.2节最后一段）：斯坦福大学的无人车配置的视觉系统用来辅助激光雷达检测远处的道路，考虑到这种需求，他们将摄像头安装在了车顶部；结合本实验室的具体情况和实际需求，将两个摄像头安装在了如图2.2的位置。由此可知，对比文件1公开了视觉系统中摄像头的安装位置是根据实际需求进行设置的。再如本领域技术人员熟知，AVM技术已广泛应用于全景泊车辅助系统中，对于全景，其需要拍摄周围360°的图像数据，通常会在车身左右倒车镜下以及车体前端和车体尾部安装4个广角相机以采集覆盖汽车周围360°的图像数据，从而将车辆4个方向的图像拼接成全景，使驾驶员直观地了解到汽车四周边车况，安全泊车；即全景泊车已经广泛将相机安装在车身左右倒车镜下以获取图像，并且摄像头的数目和位置也是根据其需求进行的设置。综上所述，对比文件1有拍摄前方障碍物的需求，因此其将两个摄像头安装在车顶部并使双摄像头之间的基线尽量长，但当拍摄的实际需求是仅拍摄车辆前方左右两条车道线，无需检测远方的道路、障碍物或路标等的时候，本领域技术人员容易想到根据该需求将左右摄像头分别安装于车辆的左倒车镜和右倒车镜的下方，并将其倾一定的角度，由此方便地使摄像头仅获取车辆左前方和右前方的车道线图像，而不去获取道路远方的影像，也不会拍摄到车身，减少了其他干扰物的拍摄。
2. 针对复审请求意见第2条：
对此，合议组认为：
2.1对于参数方面，其参数的设置范围都是本领域根据需要获取图像和平行线判断的常规选择。根据车道线本身和车道线间的宽度，及前方道路的远近需求，将左右鸟瞰图的视野标定为宽150cm--250cm，长500cm--1000cm，以使左右单车道线包括在该范围内，这也是本领域人员的常规设定范围。在进行车道线检测时，根据鸟瞰图像的距离呈现线性相关的规律，该规律中检测到的直线需满足在一定角度范围内才可能是车道线，车道线通常是向前方延伸，而与水平呈30-150度的角度范围可排除不为向前方延伸的直线，这是常用的检测范围；同时，在对比文件2公开了利用车道线的平行信息约束来查找真正的车道线的基础上，平行线之间的夹角误差在5度以内则认为两者平行，这也是常用的检测范围。
2.2对于效果方面，至于复审请求人提到的城市拥堵环境，其并未体现在权利要求中，也未对识别系统的方法执行起到限定作用。而且对比文件1公开了（第3.2.3节）：城市和校园等场景下的道路并不像高速公路有那么高的结构化程度，存在很多噪声，例如行人和车辆等动态障碍物，还有阴影的干扰，需要去除这些干扰。因此，对比文件1是公开了考虑城市拥堵环境的。
2.3对于左右车道线判断方面，由于对比文件1是需要拍摄车辆前方的路况，即需要拍摄前方车辆、路标等以进行行驶判断，由此需求使得对比文件1获取了可能多于一条车道线的图像视野范围；但对比文件1还公开了（第3.2.1节）其获取图像中ROI感兴趣的区域，由此减少干扰。对于本领域人员来说，需求是仅检测车道线时，感兴趣的区域仅是车道线，本领域人员可以想到在拍摄时就减少拍摄其他干扰物，左右摄像头仅拍摄与其相对的车道线有关的区域，分别获取车辆左前方和右前方的包含所需一条车道线的图像，减少障碍物和其他车道线的影响，这样的图像才可靠。车辆行驶中需关注的左车道线通常在车辆左侧前后车轮外侧连线以左的范围，并且在车辆前方的范围；右侧亦然。并且根据车道线本身和车道线间的宽度，及前方道路的远近需求，将左右鸟瞰图的视野标定为宽150cm--250cm，长500cm--1000cm，以使左右单车道线包括在该范围内，这也是本领域人员的常规设定范围。
因此，合议组对于复审请求人的意见不予支持。
三、决定
维持国家知识产权局于2018 年02 月06 日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
