1.一种构建导航地图的方法，其特征在于，包括：S1使用基于特征点配准的地图构建算法，获取目标地点的三维点云数据，对已获取的目标地点的三维点云数据进行预处理；S11建立笛卡尔坐标系，确定所述目标地点的三维点云数据的位置信息，具体方法为：建立笛卡尔坐标系，雷达扫描平面以正对雷达方向左手侧为世界坐标系X轴，垂直向上为Y轴，正前方是Z轴，计算点的高度角，划分入不同线束中；遍历剩余的所有可用点，计算点的高度角，根据角度正负划分入0-16不同奇数、偶数线束中并储存进点云指针，查找有效特征点并剔除无效特征点，计算各点曲率，大于设定阈值的点可以作为特征点；平面上目标点曲率计算公式如下：其中，S-连续扫描点集合L-激光雷达坐标系X L (k,i) -第k次扫描中，某点iX L (k,j) -第k次扫描中，某点jS12利用所述位置信息计算所述目标地点的三维点云数据的深度，并基于所述深度对所述目标地点的三维点云数据进行筛选，具体方法为：计算目标点的深度，再计算前后两个相邻点的深度，记为depth1和depth2，两点深度不相同且相邻两点与坐标原点构成夹角小于阈值时，认为特征点存在遮挡，目标点及前后各五个点判断为不可用点，舍去；计算目标点和前后两个相邻点间的距离L1和L2，以及目标点的深度M，当L1和L2均大于D倍目标点深度M时判断目标点和前后各五个点为不可用的平行点，舍去；S13利用Kd-Tree多维空间关键数据搜索模型，对筛选后的点云数据进行特征点配准，具体方法为：利用Kd-Tree多维空间关键数据搜索模型，进行特征点匹配，构建算法把当前空间以超平面分割，查找算法从父节点代表的空间范围开始搜索，逐级展开递归，之后将当前t时刻数据和t+1时刻数据关联，计算目标点距离特征线和特征面的距离，L-M运动求解估计雷达的运动距离和姿态，保存地图格式为PCL可用二进制文件bag类型；S14基于特征点配准后的点云数据，得到点云间相对运动的优化运动估计结果，具体方法为：解算雷达姿态和运动估计，首先根据几何中点到直线、面的距离公式构建点云的向量式约束方程，之后对约束方程求偏导数，构建出矩阵方程，通过最小二乘法中L-M运动解算出点云间的相对运动，解算出相对运动后，将激光雷达坐标系下的坐标转换成世界坐标系下对应坐标，之后优化运动估计结果，方法是使用当前帧点云与上一时刻点云图匹配，所构建约束方程分别如下所示：其中，L-激光雷达坐标系 -第k+1次扫描中，某点i -第k次扫描中，某点i -第k次扫描中，距离i最近点j -第k次扫描中，距离i次近点l -第k次扫描中，距离l最近点mS2将经过预处理后的三维点云数据转化为预定格式的点云数据，所述预定格式为PCL点云库可用的bag二进制数据格式；S3基于八叉树数据结构的模型，将所述预定格式的点云数据转化为八叉树数据结构的导航地图，具体方法如下；S31将所述预定格式的点云数据分配至多个立方体内，具体方法为：点云数据经过PCL点云库处理后得到标准点云数据格式，之后被用于构建八叉树与曲率的计算，首先遍历每帧数据中点云位置分布，记录点的个数N，取立方体包含全部点云，棱长L cub ＝MAX(x i ,y i ,z i )，MAX(x i ,y i ,z i )表示取所有点的x轴坐标，y轴坐标，z轴坐标中的最大坐标值，对立方体进行n等分，得到中间立方体的棱长为L 1 ，计算方法如下：其中，X max -x轴方向极值Y max -y轴方向极值Z max -z轴方向极值x 0 -目标点x轴坐标y 0 -目标点y轴坐标z 0 -目标点z轴坐标遍历所有点，分别放入对应的中间立方体中，建立数组 mid代表中间立方体，下标i是立方体索引号，并记录每个中间立方体内包含的点的个数；S32基于最小二乘法对所述多个立方体内的数据做曲面拟合，具体方法为：使用中间立方体内点的法向量标准偏差来表征曲率变化大小，计算法向量标准偏差之前对每个中间立方体内的点云做曲面拟合，标准曲面方程为：a 0 +a 1 x+a 2 y+a 3 xy+a 4 x 2 +a 5 y 2 ＝z (5)其中，x-目标点x坐标y-目标点y坐标z-目标点z坐标a 0 ,a 1 ,a 2 ,a 3 ,a 4 ,a 5 -曲面方程参数最小二乘法估计方程参数时，要求观测值z偏差加权平方和最小，转化为计算 的最小值，其中，x i -目标点i的x坐标y i -目标点i的y坐标z i -目标点i的z坐标a 0 ,a 1 ,a 2 ,a 3 ,a 4 ,a 5 -曲面方程参数分别计算δ对a 0 ,a 1 ,a 2 ,a 3 ,a 4 ,a 5 参数的偏导数，令其分别等于零，列出方程组如下：将点的坐标带入方程(6)至(11)求解出所需要的方程参数；S33基于所述曲面拟合的结果，获得点云中每个点的法向量标准偏差，具体方法为；求解出拟合曲面方程后，带入点的坐标分别计算各点的法向量记为(x i ,y i ,z i )，法向量标准偏差计算公式为：其中 是平均法向量；(x i ,y i ,z i )-目标点i的法向量 -中间立方体内所有点的平均法向量m-某中间立方体内点的数量S34通过将所述法向量标准偏差与预定阈值比较，判断是否对所述多个立方体进行细分，具体方法为：当所述法向量标准偏差大于所述预定阈值时，对所述多个立方体进行细分并得到最小立方体，并对所述最小立方体内的点云数据进行压缩；以及当所述法向量标准偏差小于所述阈值或所述多个立方体中只有单个点时，不对所述多个立方体进行细分。
2.根据权利要求1所述的方法，其特征在于，对所述最小立方体内的点云数据进行压缩的操作包括如下步骤：获取所述最小立方体内的点云数据；以及保留所述最小立方体内的点云数据中符合预定条件的点云数据，并删除不满足预定条件的点云数据。
3.根据权利要求2所述的方法，其特征在于，所述预定条件为：待判定的点云数据的法向量与所述最小立方体内的点云数据的平均法向量的差值是所述最小立方体内的点云数据中任意一个点云数据的法向量与所述最小立方体内的点云数据的平均法向量的差值中的最小值。
4.根据权利要求3所述的方法，其特征在于，基于八叉树数据结构的模型，将所述预定格式的点云数据转化为八叉树数据结构的导航地图还包括如下步骤：基于所述法向量标准偏差与预定阈值比较的结果，生成所述八叉树数据结构的导航地图。
5.一种构建导航地图的设备，其特征在于，包括：多线激光雷达，用于获取目的地点的三维点云数据；移动底盘，用于接收远程控制器命令，并依据所述命令控制所述多线激光雷达运动；远程控制器，用于远程控制所述多线激光雷达；以及嵌入式计算平台，用于执行如权利要求1-4之一所述的构建导航地图的方法。
