一种基于点云数据的地图模型构建方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种基于点云数据的地图模型构建方法和装置。

背景技术：

当今智能导航行业高速发展，在多个智能导航发展方向中三维地图创建都必不可少。激光雷达是近年来在三维地图创建过程中备受关注的智能硬件，利用激光雷达构建现实世界模型相比于视觉建图无需进行深度还原，故而具有更高的精确度与计算效率。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有基于点云数据的地图构建技术，往往仅从点云数据的几何特性出发提取特征点并进行匹配构建三维模型，导致可移动的车辆、行人等加入到地图模型中，影响地图模型的精确度。

技术实现要素：

有鉴于此，本发明实施例提供一种基于点云数据的地图模型构建方法和装置，能够减少可移动物体对地图模型的影响，提高地图模型的精确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于点云数据的地图模型构建方法，包括：

获取当前帧的点云数据；

对所述点云数据中的点进行聚类，以得到子点集；

对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；

从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；

根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

可选的，对所述子点集进行分类，标记属于可移动目标类别的子点集中的点的步骤包括：

将所述子点集和预设的标签输入分类器进行分类，以得到子点集和标签的对应关系；其中，预先记录属于可移动目标类别的标签；

根据所述子点集和标签的对应关系，确定对应于可移动目标类别的标签的子点集，以及标记该类子点集中的点。

可选的，所述特征点包括特征角点和特征平面点；从未标记的点中选取特征点的步骤包括：

分别计算各未标记点的曲率；

以通过雷达中心且垂直于水平面的直线为轴线，将空间划分为至少2个扇形区域；

从每个扇形区域中分别获取曲率较大的、第一数量的未标记点作为特征角点；从每个扇形区域中分别获取曲率较小的、第二数量的未标记点作为特征平面点。

可选的，根据所述特征点和已加入地图模型的点计算坐标转换关系式的步骤包括：

构建包含待定参数的坐标转换关系式；

根据所述坐标转换关系式对所述特征角点和特征平面点进行坐标转换，以得到包含参数的转换后坐标；

根据所述转换后坐标，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化；其中，特征角点对应的直线和特征平面点对应的平面根据已加入地图模型的点进行确定；

根据优化结果确定所述待定参数，从而确定所述坐标转换关系式。

可选的，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化的步骤包括：

根据所述特征角点和所述特征平面点的转换后坐标，分别计算所述特征角点与其对应直线的距离，以及所述特征平面点与其对应平面的距离，以得到各所述距离对应的含待定参数表达式；

对各所述距离对应的含待定参数表达式进行拟合，使各所述距离之和最小。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种基于点云数据的地图模型构建装置，包括：

数据获取模块，用于获取当前帧的点云数据；

聚类模块，用于对所述点云数据中的点进行聚类，以得到子点集；

分类模块，用于对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；

转换关系计算模块，用于从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；

地图构建模块，用于根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

可选的，所述分类模块还用于：

将所述子点集和预设的标签输入分类器进行分类，以得到子点集和标签的对应关系；其中，预先记录属于可移动目标类别的标签；

根据所述子点集和标签的对应关系，确定对应于可移动目标类别的标签的子点集，以及标记该类子点集中的点。

可选的，所述特征点包括特征角点和特征平面点；所述转换关系计算模块还用于：

分别计算各未标记点的曲率；

以通过雷达中心且垂直于水平面的直线为轴线，将空间划分为至少2个扇形区域；

从每个扇形区域中分别获取曲率较大的、第一数量的未标记点作为特征角点；从每个扇形区域中分别获取曲率较小的、第二数量的未标记点作为特征平面点。

可选的，所述转换关系计算模块还用于：

构建包含待定参数的坐标转换关系式；

根据所述坐标转换关系式对所述特征角点和特征平面点进行坐标转换，以得到包含参数的转换后坐标；

根据所述转换后坐标，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化；其中，特征角点对应的直线和特征平面点对应的平面根据已加入地图模型的点进行确定；

根据优化结果确定所述待定参数，从而确定所述坐标转换关系式。

可选的，所述转换关系计算模块还用于：

根据所述特征角点和所述特征平面点的转换后坐标，分别计算所述特征角点与其对应直线的距离，以及所述特征平面点与其对应平面的距离，以得到各所述距离对应的含待定参数表达式；

对各所述距离对应的含待定参数表达式进行拟合，使各所述距离之和最小。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种基于点云数据的地图模型构建电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器至少实现：

获取当前帧的点云数据；

对所述点云数据中的点进行聚类，以得到子点集；

对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；

从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；

根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

为实现上述目的，根据本发明实施例的又一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时至少实现：

获取当前帧的点云数据；

对所述点云数据中的点进行聚类，以得到子点集；

对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；

从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；

根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

上述发明中的一个实施例具有如下优点或有益效果：

(1)因为采用了在对点云数据中的点执行坐标转换之前，首先对其进行聚类，然后将作为聚类结果的子点集进行分类，以便将属于可移动目标类别的点排除在处理范围之外的技术手段，降低了环境中的可移动目标对地图模型造成的影响，从而提高了地图模型的精确度；

(2)为采用了在对空间进行划分后，从各区域获取特征点，然后根据特征点与已加入地图模型中的点计算坐标转换关系式。通过这种方式，使得计算得到的坐标转换关系式可以兼顾到空间中更多方向上的特征点，从而使得后续转换步骤得到的点坐标更加准确。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的基于点云数据的地图模型构建方法的主要步骤的示意图；

图2是根据本发明实施例的基于点云数据的地图模型构建装置的主要模块的示意图；

图3是本发明实施例可以应用于其中的示例性系统架构图；

图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的基于点云数据的地图模型构建方法的主要步骤的示意图。

如图1所示，本发明实施例提供的地图模型构建方法，包括：

s100，获取当前帧的点云数据。本发明实施例中的点云数据主要指通过激光雷达(例如多线激光雷达)逐帧扫描获取的点云数据。

s101，对所述点云数据中的点进行聚类，以得到子点集；具体而言，聚类的方式可以是利用欧式距离，将距离相近的点作为同一子点集；或者，也可以采用其他任意可达到相同或相近效果的方式。此外，在执行s101之前，还可以对点云数据进行过滤，例如去除掉无效点(数值为nan，notanumber)和地面点(高度低于预设的高度阈值的点)。

s102，对所述子点集进行分类，标记属于可移动目标类别的子点集中的点。可移动目标类别是在分类前预先确定的，例如车辆、行人、动物等等，可以通过向分类器输入预先设置的标签等实现。

s103，从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式。特征点是指各点中具备特点、易于形成对物体的描述的点，例如物体边角和平面上的点；在选取特征点时，可以尽可能从空间中均匀地获取，以提高计算得到的坐标转换关系式的准确度，具体方案在后续实施例中进行说明。

s104，根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

上述步骤s100-s105为对于单帧点云数据的处理方式，通过重复上述步骤，可以逐步完善地图模型中的点，从而构建完整的地图模型。

从上面所述可以看出，本实施例提供的方法因为采用了在对点云数据中的点执行坐标转换之前，首先对其进行聚类，然后将作为聚类结果的子点集进行分类，以便将属于可移动目标类别的点排除在处理范围之外的技术手段，降低了环境中的可移动目标对地图模型造成的影响，从而提高了地图模型的精确度。

在一些可选的实施例中，s102，对所述子点集进行分类，标记属于可移动目标的子点集中的点的步骤包括：

将所述子点集和预设的标签输入分类器进行分类，以得到子点集和标签的对应关系；其中，预先记录属于可移动目标类别的标签。所述分类器可选用基于机器学习技术构建的分类器，例如svm(supportvectormachine，支持向量机)分类器等；将子点集和标签输入svm分类器进行训练，以获取分类器模型，svm分类器基于该模型对子点集进行分类，为各子点集添加对应的标签。

根据所述子点集和标签的对应关系，确定对应于可移动目标类别的标签的子点集，以及标记该类子点集中的点。本步骤是一个相对执行的步骤；除了采用本步骤中的方式外，还可以标记不属于可移动目标类别的子点集中的点，并在后续步骤中相应仅处理已标记的点；具体的实现方式可以根据点云数据中点的数量等进行确定。

在一些可选的实施例中，所述特征点包括特征角点和特征平面点；步骤s103，从未标记的点中选取特征点的步骤包括：

分别计算各未标记点的曲率。点云数据中的各点为离散点，求取其曲率可以采用pcl(pointcloudlibrary，点云数据库)中的现有算法进行计算，或采用其他任意方式进行计算。

以通过雷达中心且垂直于水平面的直线为轴线，将空间划分为至少2个扇形区域。具体而言，可以利用多个通过所述轴线的平面，将空间进行划分；可以是均匀划分，即各扇形区域的大小相同，对于未知的地形可以采用这种方式，以便于获取到更加全面的特征点；若对于已知的地形，也可以将希望着重考虑的空间(例如道路两侧)划分为较小的多个区域，以便在这些空间获取到更多的特征点。空间划分的份数可以根据计算能力、精度需求等综合确定，在计算能力较差、精度需求较低的场景，可以划分较少的份数；相反，在计算能力充足、精度需求较高的场景，可以划分更多的份数。

上述划分方式可应用于扫描角度为360°的雷达；对于扫描角度小于360°的雷达，同样可以参考上述方式将其扫描范围分割为多个扇形区域，再进行后续处理过程。

从每个扇形区域中分别获取曲率较大的、第一数量的未标记点作为特征角点；从每个扇形区域中分别获取曲率较小的、第二数量的未标记点作为特征平面点。其中，“曲率较大、第一数量”是指将该区域中的全部未标记点的曲率按照从大到小的顺序进行排序后，位于前第一数量的点；同理，“曲率较小、第二数量”是指将该区域中的全部未标记点的曲率按照从大到小的顺序进行排序后，位于后第二数量的点。其中，第一数量和第二数量可以根据需要进行确定，通常可以取相同值；对于特定场景，例如物体的边角特征较多或者平面特征较多的场景，则可以将其设置为相应的不同值，以提高对应特征的描述能力。

在本实施例中，s103，根据所述特征点和已加入地图模型的点计算坐标转换关系式的步骤包括：

构建包含待定参数的坐标转换关系式。坐标转换关系式主要用于描述点坐标在执行旋转、平移等位移前后的关系。点云数据的获取主要是通过将雷达搭载在载具上，在载具移动的过程中雷达不断获取多帧的点云数据。对于每一帧点云数据而言，其坐标原点是雷达中心，而将不同帧点云数据中的点添加至统一的地图模型中时，则需要将这些点的坐标转换为相对于地面参照物的“绝对”坐标，因此需要计算各帧对应的坐标转换关系式。

根据所述坐标转换关系式对所述特征角点和特征平面点进行坐标转换，以得到包含参数的转换后坐标。

根据所述转换后坐标，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化。其中，特征角点对应的直线和特征平面点对应的平面是根据已加入地图模型的点进行确定的。

根据优化结果确定所述待定参数，从而确定所述坐标转换关系式。

具体而言，本实施例中，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化的步骤包括：

根据所述特征角点和所述特征平面点的转换后坐标，分别计算所述特征角点与其对应直线的距离，以及所述特征平面点与其对应平面的距离，以得到各所述距离对应的含待定参数表达式；基于高斯-牛顿法或l-m(levenberg-marquardt)法等拟合算法对各所述距离对应的含待定参数表达式进行拟合，使各所述距离之和最小。

综上可见，本实施例因为采用了在对空间进行划分后，从各区域获取特征点，然后根据特征点与已加入地图模型中的点计算坐标转换关系式。通过这种方式，使得计算得到的坐标转换关系式可以兼顾到空间中更多方向上的特征点，从而使得后续转换步骤得到的点坐标更加准确。

图2是根据本发明实施例的基于点云数据的地图模型构建装置的主要模块的示意图。

如图2所示，本发明的另一实施例提供一种基于点云数据的地图模型构建装置200，包括：

数据获取模块201，用于获取当前帧的点云数据；点云数据主要指通过激光雷达(例如多线激光雷达)逐帧扫描获取的点云数据。

聚类模块202，用于对所述点云数据中的点进行聚类，以得到子点集；其中，聚类的方式可以是利用欧式距离，将距离相近的点作为同一子点集；或者，也可以采用其他任意可达到相同或相近效果的方式。

分类模块203，用于对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；可移动目标类别是在分类前预先确定的，例如车辆、行人、动物等等，可以通过向分类器输入预先设置的标签等实现。

转换关系计算模块204，用于从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；特征点是指各点中具备特点、易于形成对物体的描述的点，例如物体边角和平面上的点；在选取特征点时，可以尽可能从空间中均匀地获取，以提高计算得到的坐标转换关系式的准确度，具体方案在后续实施例中进行说明。

地图构建模块205，用于根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

从上面所述可以看出，本实施例提供的装置因为采用了在对点云数据中的点执行坐标转换之前，首先对其进行聚类，然后将作为聚类结果的子点集进行分类，以便将属于可移动目标类别的点排除在处理范围之外的技术手段，降低了环境中的可移动目标对地图模型造成的影响，从而提高了地图模型的精确度。

在一些可选的实施例中，所述分类模块还用于：

将所述子点集和预设的标签输入分类器进行分类，以得到子点集和标签的对应关系；其中，预先记录属于可移动目标类别的标签；

根据所述子点集和标签的对应关系，确定对应于可移动目标类别的标签的子点集，以及标记该类子点集中的点。

在一些可选的实施例中，所述特征点包括特征角点和特征平面点；所述转换关系计算模块还用于：

分别计算各未标记点的曲率；

以通过雷达中心且垂直于水平面的直线为轴线，将空间划分为至少2个扇形区域；

从每个扇形区域中分别获取曲率较大的、第一数量的未标记点作为特征角点；从每个扇形区域中分别获取曲率较小的、第二数量的未标记点作为特征平面点。

在一些可选的实施例中，所述转换关系计算模块还用于：

构建包含待定参数的坐标转换关系式；

根据所述坐标转换关系式对所述特征角点和特征平面点进行坐标转换，以得到包含参数的转换后坐标；

根据所述转换后坐标，对特征角点与其对应直线的距离、以及特征平面点与其对应平面的距离进行优化；其中，特征角点对应的直线和特征平面点对应的平面根据已加入地图模型的点进行确定；

根据优化结果确定所述待定参数，从而确定所述坐标转换关系式。

在一些可选的实施例中，所述转换关系计算模块还用于：

根据所述特征角点和所述特征平面点的转换后坐标，分别计算所述特征角点与其对应直线的距离，以及所述特征平面点与其对应平面的距离，以得到各所述距离对应的含待定参数表达式；

基于高斯-牛顿法或l-m法等非线性最小化方法对各所述距离对应的含待定参数表达式进行拟合，使各所述距离之和最小。具体而言，在计算所述距离之和时，还可以根据需要添加不同的权重系数，以使结果更加精确。

综上可见，本实施例因为采用了在对空间进行划分后，从各区域获取特征点，然后根据特征点与已加入地图模型中的点计算坐标转换关系式。通过这种方式，使得计算得到的坐标转换关系式可以兼顾到空间中更多方向上的特征点，从而使得后续转换步骤得到的点坐标更加准确。

图3示出了可以应用本发明实施例的基于点云数据的地图模型构建方法或基于点云数据的地图模型构建装置的示例性系统架构300。

如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303可以是用于采集点云数据的雷达设备，例如多线激光雷达等。

服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303获取到的点云数据进行处理，以构建地图模型的后台服务器。

需要说明的是，本发明实施例所提供的基于点云数据的地图模型构建方法可以由服务器305执行，相应地，基于点云数据的地图模型构建装置可以设置于服务器305中；所述方法也可以由终端设备301、302、303执行，相应的设备也可以设置于终端设备301、302、303中。

应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本发明的实施例，本发明还提供了一种电子设备和一种可读存储介质。

图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

下面参考图4，其示出了适于用来实现本发明实施例的终端设备的计算机系统400的结构示意图。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram403中，还存储有系统400操作所需的各种程序和数据。cpu401、rom402以及ram403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。

以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本发明的实施例，上文主要步骤的示意图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行主要步骤的示意图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据获取模块、聚类模块、分类模块、转换关系计算模块和地图构建模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，分类模块还可以被描述为“用于对所述子点集进行分类，标记属于可移动目标类别的子点集中的点的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：

获取当前帧的点云数据；

对所述点云数据中的点进行聚类，以得到子点集；

对所述子点集进行分类，标记属于可移动目标类别的子点集中的点；

从未标记的点中选取特征点，根据所述特征点和已加入地图模型的点计算坐标转换关系式；

根据所述坐标转换关系式，将所述当前帧的点云数据中未被标记的点进行坐标转换后加入所述地图模型中。

根据本发明实施例的技术方案，因为采用了在对点云数据中的点执行坐标转换之前，首先对其进行聚类，然后将作为聚类结果的子点集进行分类，以便将属于可移动目标类别的点排除在处理范围之外的技术手段，降低了环境中的可移动目标对地图模型造成的影响，从而提高了地图模型的精确度。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。