1.一种基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，包括：步骤一，对障碍物点云进行至少一次降采样、降维处理，以得到预处理后的二维点云；

步骤二，对二维点云进行多次RANSAC直线点云提取以及欧式聚类，直到剩余点占初始点云的比例小于预定的比例阈值时停止直线点云提取，直接对剩余的点云进行欧式聚类；

步骤三，遍历欧式聚类得到的各个点云，进行角点提取；

步骤四，根据二维点云的角点确定重心，同时确定各角点的极角，并根据角点对应的极角对角点进行顺/逆时针排序；

步骤五，遍历排序好的角点，进行凹点判断并发布二维凸包，直至所有角点遍历完；

步骤六，根据凹凸点进行凸包分割。

2.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤一中，所述二维点云的获取方式并配置为包括：S10,将障碍物点云从相机坐标系下变换到机器人机体中心下；

S11，对障碍物点云进行初次降采样；

S12，将障碍物点云进行降维处理；

S13，对降维后的点云进行二次降采样；

其中，所述降维处理包括：

对于z轴与世界坐标系平行的右手系，通障碍点云中的点的z值变为0，对于其他坐标系，将障碍物点云投影到已知模型参数的空间平面上。

3.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤二中，在对剩余的点云进行欧式聚类时，其参数设置为与降采样参数一致，以保证小块点云的几何中心在点云之内。

4.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤三中，所述角点的提取方式为：S30,在对二维点云进行降采样后，以每个降采样后的二维点作为圆点，以降采样时的参数值作为边长为各圆点构建正方形；

S31，根据降采样参数确定正方形四个顶点的坐标信息；

S32，遍历所有正方形的顶点坐标，将出现次数为奇数次的顶点视为角点。

5.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤四中，所述角点的重心确定方式为通过计算所有角点在x坐标的均值、y坐标的均值，以得出的二维点云的重心。

6.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤五中，按极角的排序顺序对每个角点进行遍历，当遍历到角点k时，若向量

7.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤五中，通过调节最小凹角阈值以控制最终发布二维凸包的数目，即最小凹角阈值越小，二维凸包越多；最小凹角阈值越大，二维凸包越少。

8.如权利要求1所述的基于RANSAC和角点提取的障碍物点云凸包分割方法，其特征在于，在步骤六中，根据凹凸点进行凸包分割的方式配置为包括：从第一角点开始逆时针遍历，如果当前角点为第二角点且为凸点，同时重心与第一角点、重心与第二角点形成的两个向量的夹角的叉乘为正，则判定第二角点为本次凸包的一个角点；

若此时重心与第一角点、重心与第二角点形成的两个向量的夹角的叉乘为负，则应在上一角点停止当前凸包遍历，将初始角点和停止角点之间的所有角点以及点云重心以逆时针顺序作为凸包角点发布出去；

当角点遍历到凹点时，停止遍历，以此轮遍历的初始点到此凹点之间的所有角点和及重心以逆时针顺序作为凸包角点发布出去。