Se necesita un mapa preciso para la navegación autónoma de robots móviles en entornos desconocidos. La aplicación de radares láser tiene ventajas de alta precisión de alcance y largas distancias de alcance. Debido a la pequeña cantidad de datos en los radares láser y la influencia del ruido en el sensor mismo, esto puede causar problemas como baja precisión en la construcción del mapa y grandes errores de posicionamiento. Actualmente, la extracción de características de segmentos de línea ambientales basada en datos de escaneo de radar generalmente adopta la idea de recursión. Sin embargo, la cantidad de cálculos para aplicar la recursión es grande y el umbral de puntos de características extraídos necesita ser configurado manualmente. Además, el umbral de segmentación fijo puede causar subsegmentación o sobresegmentación. En este documento, se propone un método de extracción de características basado en umbral adaptativo para segmentos de línea ambientales. El método desenfoca primero los datos originales, y luego se proporciona un umbral adaptativo del algoritmo del vecino más cercano para mejorar la precisión del juicio de puntos de quiebre; a continuación, se evalúa la diferencia de pendiente entre segmentos de línea adyacentes de acuerdo con el error de ajuste del segmento de línea para obtener la característica de esquina óptima. Finalmente, el conjunto de puntos se segmenta para ajustar las características de segmentos de línea. Basándose en pruebas de entorno reales, la similitud ambiental de las características de segmentos de línea extraídas por el nuevo algoritmo en este documento aumenta en un 8.3% en comparación con el algoritmo IEPF (Ajuste de Punto Final Iterativo). El algoritmo evita operaciones recursivas, mejora la eficiencia en cuatro veces y cumple con los requisitos de tiempo real del ajuste de segmento de línea.