1.一种检测高速公路中障碍物的方法，其特征在于，包括：对获取到的目标检测图片进行数据平滑处理；

从处理后的所述目标检测图片中分割出车道区域图片；

基于目标检测算法对所述车道区域图片进行障碍物检测，确定高速公路中包含的障碍物信息。

2.根据权利要求1所述的方法，其特征在于，所述基于目标检测算法对所述车道区域图片进行障碍物检测，确定高速公路中包含的障碍物信息，具体包括：基于目标检测算法训练得到训练结果满足预设标准的目标检测模型；

将所述车道区域图片输入所述目标检测模型中，获取所述车道区域图片对应的检测数据信息；

根据所述检测数据信息确定所述目标检测图片中包含的障碍物信息。

3.根据权利要求2所述的方法，其特征在于，所述基于目标检测算法训练得到训练结果满足预设标准的目标检测模型，具体包括：采集多个车道区域的样本图像；

标注所述样本图像中各个连通分量的位置坐标和类别信息；

将已标注坐标位置的所述样本图像作为训练集，输入预先基于yolo目标检测算法创建的初始目标检测模型中；

利用所述初始目标检测模型提取所述样本图像中各类连通分量的图像特征，并基于所述图像特征生成各个所述连通分量的建议窗口以及所述建议窗口对应各类连通分量的条件类别概率；

将所述条件类别概率最大的连通分量类别确定为所述建议窗口内连通分量的类别识别结果；

若判定所有所述建议窗口的置信度均大于第一预设阈值，且所述类别识别结果与标注的所述类别信息匹配，则判定所述初始目标检测模型通过训练；

若判定所述初始目标检测模型未通过训练，则利用所述样本图像中标注的各个连通分量的位置坐标和类别信息修正训练所述初始目标检测模型，以使所述初始目标检测模型的判定结果满足预设标准。

4.根据权利要求3所述的方法，其特征在于，所述将所述车道区域图片输入所述目标检测模型中，获取所述车道区域图片对应的检测数据信息，具体包括：将所述车道区域图片切分成预设数量个小块图像；

利用所述目标检测模型确定各个小块图像的置信度；

若所述置信度大于第二预设阈值，则进一步确定所述小块图像中包含的连通分量类别；

提取出所有确定所述连通分量类别为障碍物的目标小块图像；

将所述目标小块图像的坐标位置信息确定为所述检测数据信息。

5.根据权利要求4所述的方法，其特征在于，根据所述检测数据信息确定所述目标检测图片中包含的障碍物信息，具体包括：根据所述检测数据信息确定障碍物边缘像素点的坐标位置，并计算所述障碍物的占地面积；

将所述障碍物的占地面积与预设面积阈值进行比较，进一步确定所述障碍物的大小属性；

将所述障碍物的位置信息及所述障碍物的大小属性确定为所述障碍物信息；

在根据所述检测数据信息确定所述目标检测图片中包含的障碍物信息之后，具体还包括：输出所有所述障碍物信息。

6.根据权利要求1所述的方法，其特征在于，所述对获取到的目标检测图片进行数据平滑处理，具体包括：计算所述目标检测图片中各个像素点对应的高斯卷积核；

将所述高斯卷积核与所述目标检测图片中对应像素点进行卷积运算，以平滑所述目标检测图片。

7.根据权利要求6所述的方法，其特征在于，所述从处理后的所述目标检测图片中分割出车道区域图片，具体包括：提取所述目标检测图片中梯度强度大于预设梯度强度阈值的第一边缘像素点；

若所述第一边缘像素点的梯度强度大于沿正负梯度方向上两个相邻第一边缘像素点的梯度强度，则将所述第一边缘像素点确定为第二边缘像素点，进一步确定出所述第一边缘像素点中包含的所有所述第二边缘像素点；

利用双阈值法筛选出所述第二边缘像素点中包含的所有强边缘像素点；

获取由所有所述强边缘像素点构成的边缘图片；

通过霍夫变换检测所述边缘图片中的直线线段；

基于所述直线线段的颜色特征提取出车道线线段；

通过图形膨胀操作将所述车道线线段连接成车道线；

分割出两侧外围所述车道线之间的车道区域图片。

8.一种检测高速公路中障碍物的装置，其特征在于，包括：处理模块，用于对获取到的目标检测图片进行数据平滑处理；

分割模块，用于从处理后的所述目标检测图片中分割出车道区域图片；

检测模块，用于基于目标检测算法对所述车道区域图片进行障碍物检测，确定高速公路中包含的障碍物信息。

9.一种非易失性可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的检测高速公路中障碍物的方法。

10.一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在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程序时实现权利要求1至7中任一项所述的检测高速公路中障碍物的方法。