技术特征：
1.一种激光雷达地图构建方法，其特征在于，包括：s1、采集初始雷达点云数据；s2、根据所示点云数据构建初始地图；s3、利于改进的霍夫变换算法对所述点云数据进行直线特征提取，得到多个点云候选区域；s4、利于最小二乘法对候选区域的点云进行直线拟合，得到候选点云数据的线段表示；s5、输出更清晰的地图。2.根据权利要求1所述的方法，其特征在于，所述s3包括：s31、对所述初始地图进行预处理；s32、从预处理后地图的边缘点中随机抽取两个中心像素点(x1，y1)和(x2，y2)，通过交叉扫描算法在两个中心像素点间进行扫描，返回遍历次数n，并统计得到经过的实际核心像素点数量m，其中，m，n为大于等于0的整数；s33、判断m/n是否大于预定值，若是，就在(x1，y1)和(x2，y2)构成的直线参数(r，θ)上累加m次，并删除刚经过的点；重复s32过程k次，并统计满足m/n大于预定值的空间以及对应的实际核心像素点数量，其中，k为大于0的整数；s34、通过对k条直线参数空间进行聚类，统计聚类结果中每一类别包含的实际核心像素点总数，m
cj
＝∑
i
m
i
，其中，m
cj
为j类别中的实际核心像素点总数，m
i
为j类别中i组对应的实际核心像素点数量；s35、如果类别的实际核心像素点总数m
cj
大于设定阈值，则返回该类别的所有点云。3.根据权利要求2所述的方法，其特征在于，所述交叉扫描算法包括：s321、如|x1
‑
x2|≥|y1
‑
y2|，设置初始扫描方向为正x方向，横坐标小的像素点作为起始点(x3，y3)，另外的像素点中心点(x4，y4)作为终点；如|x1
‑
x2|≤|y1
‑
y2|，设置初始扫描方向为正y方向，纵坐标小的像素点作为起始点(x3，y3)，另一个的像素点(x4，y4)作为终点；s322、判断(x3，y3)和(x4，y4)是否重合，若是，则扫描过程中止，返回m和n；s323、若扫描方向为正x轴，则x3＝x3+1；若扫描方向为正y轴，则y3＝y3+1；判断点(x3,y3)处是否是实际核心像素点，如果是则m＝m+1，n＝n+1；如果否，则m＝m，n＝n+1；s324、判断点(x3，y3)是否在点(x1，y1)和点(x2，y2)构成直线的区间内，如果点(x3，y3)位于两条直线的区间内转至步骤s322，否则改变方向扫描一次再转至步骤s322。4.根据权利要求2所述的方法，其特征在于，所述预处理包括图像二值化和边缘检测。5.根据权利要求2所述的方法，其特征在于，所述s4包括：将s35返回的点云映射到图像空间，依次计算第k条直线附近的点到该直线的距离，其中，k为大于0的整数；将距离大于误差阈值的点排除，得到第k条直线附近的一个点集p
k
；将点集p
k
作为拟合数据集，利用最小二乘法拟合出直线，以点集p
k
中横坐标最大和最小的两点作为直线的端点，以此得到拟合第k条直线段的区间。6.一种机器人自主导航方法，其特征在于，获取所述机器人里程数据和位姿；通过权利要求1
‑
5中任一项所述方法构建地图；
计算出机器人的实际位置，与地图进行匹配，实时获取精准位置和位姿；根据当前位置、目标位置和四周环境进行路径规划。7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1
‑
5中任一项所述的方法或者实现如权利要求6所述的方法。8.一种计算设备，包括处理器，其特征在于，所述处理器执行程序时实现如权利要求1
‑
5中任一项所述的方法或者实现如权利要求6所述的方法。
技术总结
本发明实施例公开一种激光雷达地图构建方法、机器人自主导航方法，存储介质和计算机设备，所述激光雷达地图构建方法包括：S1、采集初始雷达点云数据；S2、根据所示点云数据构建初始地图；S3、利于改进的霍夫变换算法对所述点云数据进行直线特征提取，得到多个点云候选区域；S4、利于最小二乘法对候选区域的点云进行直线拟合，得到候选点云数据的线段表示；S5、输出更清晰的地图。该实施例降低点云波动幅度过大对地图精度造成的不利影响，使得构建出的地图中障碍物的轮廓更加清晰。地图中障碍物的轮廓更加清晰。地图中障碍物的轮廓更加清晰。
技术研发人员：陈昊 陈刚 张春妍
受保护的技术使用者：北京电子工程总体研究所
技术研发日：2021.06.18
技术公布日：2021/10/23