1.一种障碍物检测方法，包括：

获取环境点云数据集合，其中，所述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的，所述环境点云数据包括：横坐标值，纵坐标值，竖坐标值，雷达回波功率值，所述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值，所述目标车辆坐标系是以所述目标车辆行进方向为横轴、以所述目标车辆的底盘中心为原点、以与所述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系；

对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合；

对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合；

将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合，其中，所述障碍物检测模型包括：第一特征提取层，体素切分和特征拼接层，第二特征提取层，单元特征平铺层，第三特征提取层，障碍物属性回归层；

对所述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合；

通过车载通信模块，将所述过滤障碍物信息集合发送至控制规划终端，其中，所述将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合，包括：通过所述障碍物检测模型中的第一特征提取层对所述环境点云数据集合进行稀疏卷积以生成第一特征，其中，所述环境点云数据集合是n×4的向量组，所述第一特征是n×m的向量组；

通过所述障碍物检测模型中的体素切分和特征拼接层对所述第一特征进行体素划分以及特征拼接以生成第二特征；

通过所述障碍物检测模型中的第二特征提取层对所述第二特征进行进一步的特征提取以生成第三特征，其中，所述第三特征是n×s的向量组；

通过所述障碍物检测模型中的单元特征平铺层将所述第三特征平铺至对应的体素网格中以生成第四特征；

通过所述障碍物检测模型中的第三特征提取层对所述第四特征进行二维卷积特征提取以生成第五特征；

基于所述第五特征，通过所述障碍物检测模型中的障碍物属性回归层对障碍物属性进行回归处理以生成障碍物信息集合，其中，所述对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合，包括：获取高精度地图中的地面信息；

基于所述地面信息构建拟合平面；

去除所述环境点云数据集合中落入所述拟合平面的环境点云数据以生成降采样后的环境点云数据集合，或者，所述对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合，包括：基于所述裁剪后的环境点云数据集合和预设的最大递归深度，构建八叉树；

将所述八叉树中包含的环境点云数据确定为降采样后的环境点云数据，得到降采样后的环境点云数据集合；

其中，所述对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合，包括：获取横向感知距离和所述激光雷达的感知半径，其中，所述横向感知距离是所述目标车辆左侧或右侧的最大感知距离，所述激光雷达的感知半径是所述激光雷达的最大感知距离；

基于所述横向感知距离和所述感知半径，确定非裁剪区域；

从所述环境点云数据集合中选择落入所述非裁剪区域的环境点云数据作为裁剪后的环境点云数据，得到裁剪后的环境点云数据集合；其中，所述基于所述横向感知距离和所述感知半径，确定非裁剪区域，包括：通过以下公式确定非裁剪区域：

其中，TR表示所述横向感知距离，x表示所述环境点云数据集合中环境点云数据包括的横坐标，y表示所述环境点云数据集合中环境点云数据包括的纵坐标，R表示所述感知半径，CH表示所述目标车辆的车身长度。

2.一种障碍物检测装置，包括：

获取单元，被配置成获取环境点云数据集合，其中，所述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的，所述环境点云数据包括：横坐标值，纵坐标值，竖坐标值，雷达回波功率值，所述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值，所述目标车辆坐标系是以所述目标车辆行进方向为横轴、以所述目标车辆的底盘中心为原点、以与所述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系；

裁剪处理单元，被配置成对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合；

降采样处理单元，被配置成对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合；

输入单元，被配置成将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合，其中，所述障碍物检测模型包括：第一特征提取层，体素切分和特征拼接层，第二特征提取层，单元特征平铺层，第三特征提取层，障碍物属性回归层；

过滤处理单元，被配置成对所述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合；

发送单元，被配置成通过车载通信模块，将所述过滤障碍物信息集合发送至控制规划终端，其中，所述将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合，包括：通过所述障碍物检测模型中的第一特征提取层对所述环境点云数据集合进行稀疏卷积以生成第一特征，其中，所述环境点云数据集合是n×4的向量组，所述第一特征是n×m的向量组；

通过所述障碍物检测模型中的体素切分和特征拼接层对所述第一特征进行体素划分以及特征拼接以生成第二特征；

通过所述障碍物检测模型中的第二特征提取层对所述第二特征进行进一步的特征提取以生成第三特征，其中，所述第三特征是n×s的向量组；

通过所述障碍物检测模型中的单元特征平铺层将所述第三特征平铺至对应的体素网格中以生成第四特征；

通过所述障碍物检测模型中的第三特征提取层对所述第四特征进行二维卷积特征提取以生成第五特征；

基于所述第五特征，通过所述障碍物检测模型中的障碍物属性回归层对障碍物属性进行回归处理以生成障碍物信息集合，其中，所述对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合，包括：获取高精度地图中的地面信息；

基于所述地面信息构建拟合平面；

去除所述环境点云数据集合中落入所述拟合平面的环境点云数据以生成降采样后的环境点云数据集合，或者，所述对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合，包括：基于所述裁剪后的环境点云数据集合和预设的最大递归深度，构建八叉树；

将所述八叉树中包含的环境点云数据确定为降采样后的环境点云数据，得到降采样后的环境点云数据集合；

其中，所述对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合，包括：获取横向感知距离和所述激光雷达的感知半径，其中，所述横向感知距离是所述目标车辆左侧或右侧的最大感知距离，所述激光雷达的感知半径是所述激光雷达的最大感知距离；

基于所述横向感知距离和所述感知半径，确定非裁剪区域；

从所述环境点云数据集合中选择落入所述非裁剪区域的环境点云数据作为裁剪后的环境点云数据，得到裁剪后的环境点云数据集合；其中，所述基于所述横向感知距离和所述感知半径，确定非裁剪区域，包括：通过以下公式确定非裁剪区域：

其中，TR表示所述横向感知距离，x表示所述环境点云数据集合中环境点云数据包括的横坐标，y表示所述环境点云数据集合中环境点云数据包括的纵坐标，R表示所述感知半径，CH表示所述目标车辆的车身长度。

3.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1中所述的方法。

4.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1中所述的方法。