1.一种障碍物识别方法，其特征在于，所述方法包括：

获取车辆周围环境的初始点云数据；其中，所述初始点云数据为点云坐标系中的数据集；

基于栅格法确定所述初始点云数据中的地面噪点，并对所述地面噪点进行滤除处理，得到第一点云数据；

将所述第一点云数据进行转换，得到图像坐标系中的第二点云数据；

根据筛选规则确定所述第二点云数据中的边沿噪点，并对所述边沿噪点进行滤除处理，得到目标点云数据；其中，所述筛选规则包括动态搜索半径和相邻点夹角阈值；

基于run的聚类算法对所述目标点云数据进行聚类，得到障碍物初始信息；其中，对于图像坐标系中的目标点云数据，一行目标点云数据组成一个run；基于run的聚类算法包括三个关键参数：查找表、当前行局部聚类簇集和上一行局部聚类簇集；对于每个局部聚类簇集，包括该集合的起、止列索引和簇索引号组成；首先，针对各行的目标点云数据，按照水平方向聚类run内的点云，根据激光雷达的水平角分辨率，计算该点的水平方向的动态搜索半径，并通过设定水平相邻点夹角阈值，搜索相邻点是否为邻域点，计算邻域内有效点云之间夹角，如果夹角大于水平相邻点夹角阈值，则该相邻点与该点属于同一目标集合；搜索完所有行向的局部聚类簇集后，初始化查找表空间大小和聚类簇集数量相同，并初始化表内信息为-1；查找表的元素索引号表示对应的局部聚类簇集，元素内容表示该局部聚类簇集的父节点，若值为-1，则表示其父节点为自己，即水平方向聚类后，不存在与该局部聚类簇集合并的其它簇集；其次，将局部聚类簇集进行垂直遍历，通过设定垂直相邻点夹角阈值，沿着左上、上、右上三个方向判断上方局部聚类簇集内点云是否与当前局部聚类簇中的元素属于邻域范围内，若邻域范围内的相邻点垂直方向的夹角符合阈值条件，即夹角大于垂直相邻点夹角阈值，则将两个局部聚类簇集合并，并从待融合的局部聚类簇集中选出最小索引值作为共同的父节点，赋值到对应的查找表中；

根据预设滤除规则对所述障碍物初始信息进行滤除处理，得到障碍物信息。

2.根据权利要求1所述的方法，其特征在于，所述根据筛选规则确定所述第二点云数据中的边沿噪点的步骤，包括：对于所述第二点云数据中的当前点，根据所述动态搜索半径确定所述当前点的相邻点；其中，所述相邻点与所述当前点之间的距离不大于所述动态搜索半径；

计算每个所述相邻点与所述当前点之间的相邻点夹角；

根据所述相邻点夹角和所述相邻点夹角阈值，确定所述边沿噪点。

3.根据权利要求2所述的方法，其特征在于，所述根据所述相邻点夹角和所述相邻点夹角阈值，确定所述边沿噪点的步骤，包括：判断所述相邻点夹角是否小于所述相邻点夹角阈值；

如果是，则将所述相邻点夹角对应的相邻点确定为所述边沿噪点。

4.根据权利要求1所述的方法，其特征在于，所述基于栅格法确定所述初始点云数据中的地面噪点的步骤，还包括：基于所述栅格法，确定所述初始点云数据对应的栅格地图；其中，所述栅格地图包括多个栅格；

确定每个所述栅格的目标高度值；其中，所述目标高度值为所述栅格内多个点的高度的最小值；

判断所述目标高度值是否不大于预设高度阈值；

如果是，则该目标高度值对应的栅格确定为目标栅格，并将所述目标栅格内的多个点作为所述地面噪点。

5.根据权利要求1所述的方法，其特征在于，所述将所述第一点云数据进行转换，得到图像坐标系中的第二点云数据的步骤，包括：按照第一转换规则对所述第一点云数据进行转换，得到球面坐标系的点云数据；其中，所述第一转换规则用于表征将数据从所述点云坐标系转换至所述球面坐标系；

按照第二转换规则对所述球面坐标系的点云数据进行转换，得到所述图像坐标系中的第二点云数据；其中，所述第二转换规则用于表征将数据从所述球面坐标系转换至所述图像坐标系。

6.根据权利要求1所述的方法，其特征在于，所述车辆上设置有激光雷达，所述获取车辆周围环境的初始点云数据的步骤，包括：获取所述激光雷达采集的初始点云数据；

判断所述激光雷达相对于车体坐标系，是否存在俯仰和/或旋转和/或偏航角；

如果是，按照预设姿态校正矩阵对所述初始点云数据进行姿态校准，得到校正后的所述初始点云数据。

7.根据权利要求1所述的方法，其特征在于，所述车辆上设置有深度相机，所述获取车辆周围环境的初始点云数据的步骤，还包括：获取所述深度相机采集的车辆周围环境的深度图像；

对所述深度图像进行转换，得到对应的初始点云数据。

8.一种障碍物识别装置，其特征在于，所述装置包括：

获取模块，用于获取车辆周围环境的初始点云数据；其中，所述初始点云数据为点云坐标系中的数据集；

第一确定模块，用于基于栅格法确定所述初始点云数据中的地面噪点，并对所述地面噪点进行滤除处理，得到第一点云数据；

转换模块，用于将所述第一点云数据进行转换，得到图像坐标系中的第二点云数据；

第二确定模块，用于根据筛选规则确定所述第二点云数据中的边沿噪点，并对所述边沿噪点进行滤除处理，得到目标点云数据；其中，所述筛选规则包括动态搜索半径和相邻点夹角阈值；

聚类模块，用于基于run的聚类算法对所述目标点云数据进行聚类，得到障碍物初始信息；其中，对于图像坐标系中的目标点云数据，一行目标点云数据组成一个run；基于run的聚类算法包括三个关键参数：查找表、当前行局部聚类簇集和上一行局部聚类簇集；对于每个局部聚类簇集，包括该集合的起、止列索引和簇索引号组成；首先，针对各行的目标点云数据，按照水平方向聚类run内的点云，根据激光雷达的水平角分辨率，计算该点的水平方向的动态搜索半径，并通过设定水平相邻点夹角阈值，搜索相邻点是否为邻域点，计算邻域内有效点云之间夹角，如果夹角大于水平相邻点夹角阈值，则该相邻点与该点属于同一目标集合；搜索完所有行向的局部聚类簇集后，初始化查找表空间大小和聚类簇集数量相同，并初始化表内信息为-1；查找表的元素索引号表示对应的局部聚类簇集，元素内容表示该局部聚类簇集的父节点，若值为-1，则表示其父节点为自己，即水平方向聚类后，不存在与该局部聚类簇集合并的其它簇集；其次，将局部聚类簇集进行垂直遍历，通过设定垂直相邻点夹角阈值，沿着左上、上、右上三个方向判断上方局部聚类簇集内点云是否与当前局部聚类簇中的元素属于邻域范围内，若邻域范围内的相邻点垂直方向的夹角符合阈值条件，即夹角大于垂直相邻点夹角阈值，则将两个局部聚类簇集合并，并从待融合的局部聚类簇集中选出最小索引值作为共同的父节点，赋值到对应的查找表中；

滤除模块，用于根据预设滤除规则对所述障碍物初始信息进行滤除处理，得到障碍物信息。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的方法的步骤。