通过激光器扫描得到的原始数据：
（1）通过滤波，去除杂质点
略
（2）点的直线拟合方法：K均值拟合法、最小二乘法、增量式直线拟合法、霍夫变换
K均值拟合法，需要预先知道拟合直线的数量。
最小二乘法：对联通的拐角点直接拟合，容易丢失角特征
霍夫变换：计算复杂，选票阈值设定也是难点。
增量式直线拟合法：要求采集对象按顺序排列，通过相邻点的残差拟合数据。针对本文陌生环境的激光点，残差阈值难以设定，容易丢失角特征信息。
（3）阈值分割
对采集数据经行分割。
（4）角特征提取
必须先对角特征点进行提取，这样对其余点进行直线拟合，才能比较准确。
传统方法：三点预测法。
该方法适用于简单环境，实用性较差。
可参考方法：逐步二分法
首尾点相连构成直线，计算每一个点到该直线的距离。以距离最大的点作为拐点。以此一直循环分，直至所有点到新拟合的直线的垂直距离在一定范围内。
（5）直线的拟合
最小二乘法、随机抽样一致性算法（RANSAC)等。
至此，局部地图构建完毕。
全局地图构建
To be continue……