1.一种盲人辅助视觉处理方法，其特征在于，包括如下步骤：从预设激光雷达中获得多个待测物体的原始点云数据，并集合所有的原始点云数据得到原始点云数据集；

对所述原始点云数据集进行三维重建，得到点云图，所述点云图包括多个障碍物距离；

当任一所述障碍物距离小于预设距离值时，则生成语音提示指令，并根据所述语音提示指令进行语音提示。

2.根据权利要求1所述的盲人辅助视觉处理方法，其特征在于，所述对所述原始点云数据集进行三维重建，得到点云图的过程包括：S1：对所述原始点云数据集进行离群点的去除，得到目标点云数据集；

S2：对所述目标点云数据集进行数据的精简处理，得到点云数据重心；

S3：对所述点云数据重心进行平滑处理，得到多个平滑后的点云数据；

S4：对多个所述平滑后的点云数据进行特征提取，得到多个点云特征点；

S5：对多个所述点云特征点进行配准处理，得到多个配准后的点云数据，并集合所有配准后的点云数据得到待处理点云数据集；

S6：若未达到预设迭代次数m则返回步骤S1，直至达到预设迭代次数m，从而得到多个待处理点云数据集，并根据前m‑1次得到的多个待处理点云数据集对第m次得到的待处理点云数据集进行点云补偿处理，得到最终点云数据集；

S7：利用欧几里德算法对所述最终点云数据集进行点云分割，得到多个最终点云数据子集；

S8：对多个所述最终点云数据子集进行表面重建，得到重建曲面，并将所述重建曲面作为点云图。

3.根据权利要求2所述的盲人辅助视觉处理方法，其特征在于，所述步骤S1的过程包括：

通过第一式对所述原始点云数据集进行离群点的去除，得到目标点云数据集，所述第一式为：

其中，

其中，

其中，Ωc为原始点云数据集Pc的邻域区域，Pc为原始点云数据集，k1为邻域区域Ωc内点2

云数据的个数，P0的空间坐标为(0，0)，Pi为原始点云数据集Pc的邻域点，M1为均值，S为方差， 为目标点云数据集。

4.根据权利要求2所述的盲人辅助视觉处理方法，其特征在于，所述目标点云数据集包括多个目标点云数据，所述步骤S2的过程包括：将每个所述目标点云数据分别映射至x坐标轴、y坐标轴和z坐标轴上，得到与各个所述目标点云数据对应的x轴坐标、y轴坐标和z轴坐标；

分别对多个所述目标点云数据对应的x轴坐标、y轴坐标和z轴坐标进行最大值的筛选，经筛选后得到最大x轴坐标、最大y轴坐标和最大z轴坐标；

分别对多个所述目标点云数据对应的x轴坐标、y轴坐标和z轴坐标进行最小值的筛选，经筛选后得到最小x轴坐标、最小y轴坐标和最小z轴坐标；

通过第二式对所述最大x轴坐标、所述最大y轴坐标、所述最大z轴坐标、所述最小x轴坐标、所述最小y轴坐标和所述最小z轴坐标进行最小划分边长的计算，得到最小划分边长，所述第二式为：

其中，xmax为最大x轴坐标，xmin为最小x轴坐标，ymax为最大y轴坐标，ymin为最小y轴坐标，zmax为最大z轴坐标，zmin为最小z轴坐标，K为比例系数，ρ为点云数据密度，N为目标点云数据的个数，L为最小划分边长；

根据所述最小划分边长对所有的所述目标点云数据进行筛选，经筛选后得到多个筛选后点云数据；

对多个所述筛选后点云数据进行计数，得到筛选后点云数据数量；

通过第三式计算多个所述目标点云数据和所述筛选后点云数据数量的重心，得到点云数据重心，所述第三式为：

其中，O为点云数据重心，Nindex为筛选后点云数据数量，pi为目标点云数据。

5.根据权利要求2所述的盲人辅助视觉处理方法，其特征在于，所述步骤S4的过程包括：

利用kd‑tree算法分别对各个所述平滑后的点云数据进行邻域搜索，得到与各个所述平滑后的点云数据对应的多个邻域点云数据，并分别统计与各个所述平滑后的点云数据对应的多个邻域点云数据的数量，得到与各个所述平滑后的点云数据对应的邻域点云数据数量；

通过第四式分别对各个所述平滑后的点云数据对应的多个邻域点云数据进行邻域点云数据重心的计算，得到与各个所述平滑后的点云数据对应的邻域点云数据重心，所述第四式为：

其中，O′为邻域点云数据重心，pj为第j个邻域点云数据，k为邻域点云数据的数量；

通过第五式分别对各个所述平滑后的点云数据对应的多个邻域点云数据以及对应的邻域点云数据重心进行特征向量矩阵的计算，得到与各个所述平滑后的点云数据对应的特征向量矩阵，所述第五式为：

其中，M为特征向量矩阵，O′为邻域点云数据重心，pj为第j个邻域点云数据，k为邻域点云数据的数量；

分别计算各个所述特征向量矩阵的特征向量以及特征值，得到与各个所述平滑后的点云数据对应的多个特征向量和与所述特征向量对应的特征值；

利用PCA算法分别对各个所述特征值进行降维处理，得到与各个所述平滑后的点云数据对应的多个降维后特征值；

分别对与各个所述平滑后的点云数据对应的多个降维后特征值进行最小值筛选，经筛选后得到与各个所述平滑后的点云数据对应的最小特征值，并将所述最小特征值对应的特征向量作为所述平滑后的点云数据对应的法向量；

通过第六式分别计算各个所述法向量的夹角平均值，得到与各个所述平滑后的点云数据对应的夹角平均值，所述第六式为：其中，

其中，θ为夹角平均值，k为邻域点云数据的数量，θij为第i个平滑后的点云数据的法向量与第j个邻域点云数据的法向量的夹角，ni为第i个平滑后的点云数据的法向量，nj为第j个邻域点云数据的法向量；

若所述夹角平均值大于或等于预设夹角值且所述邻域点云数据数量小于或等于预设点云数据数量，则将所述夹角平均值对应的平滑后的点云数据作为点云特征点，从而得到多个点云特征点。

6.根据权利要求5所述的盲人辅助视觉处理方法，其特征在于，所述步骤S5中，对多个所述点云特征点进行配准处理，得到多个配准后的点云数据的过程包括：利用kd‑tree算法分别对各个所述点云特征点进行邻域搜索，得到与所述点云特征点对应的多个邻域特征点云数据；

以每个所述点云特征点对应的多个邻域特征点云数据作为邻域特征点云数据组，采用点到面之间的距离算法分别对各个所述邻域特征点云数据组进行最近点对的查找，得到与所述邻域特征点云数据组对应的最近点对；

根据预设阈值对多个所述最近点对进行筛选，经筛选后得到多个筛选后的最近点对；

利用刚体变换算法分别对各个所述筛选后的最近点对进行平移变换，得到与各个所述筛选后的最近点对对应的变换后的最近点对，并将所述变换后的最近点对作为配准后的点云数据。

7.根据权利要求6所述的盲人辅助视觉处理方法，其特征在于，所述步骤S6中，根据前m‑1次得到的多个待处理点云数据集对第m次得到的待处理点云数据集进行点云补偿处理，得到最终点云数据集的过程包括：分别对前m‑1次得到的各个所述待处理点云数据集按预设拟合次数进行多项式拟合，得到与前m‑1次得到的各个所述待处理点云数据集对应的点云角速度以及对应的点云速度；

计算所有的所述点云角速度的平均值，得到点云平均角速度；

计算所有的所述点云速度的平均值，得到点云平均速度；

根据所述点云平均角速度和所述点云平均速度对所述第m次得到的待处理点云数据集进行内插补偿，得到最终点云数据集。

8.根据权利要求7所述的盲人辅助视觉处理方法，其特征在于，所述步骤S8中，对多个所述最终点云数据子集进行表面重建，得到重建曲面的过程包括：通过第七式分别对各个所述最终点云数据子集中各个最终点云数据所对应的法向量进行标量函数的计算，得到与各个所述最终点云数据对应的标量函数，所述第七式为：其中，为法向量，Δχ为标量函数；

利用八叉树算法对所有的所述标量函数进行函数离散化处理，得到重建曲面。

9.根据权利要求1所述的盲人辅助视觉处理方法，其特征在于，在当任一所述障碍物距离小于预设距离值时，则生成语音提示指令，并根据所述语音提示指令进行语音提示的过程后，还包括对摔倒进行判定的步骤，所述对摔倒进行判定的过程包括：从预设的加速度传感器获得待判定角速度，若所述待判定角速度大于预设摔倒阈值，则生成摔倒指令，并进行语音提示；

根据所述摔倒指令从预设的定位设备中获得定位信息，并将所述定位信息发送至指定终端中。

10.一种盲人辅助视觉处理装置，其特征在于，包括：数据集获得模块，用于从预设激光雷达中获得多个待测物体的原始点云数据，并集合所有的原始点云数据得到原始点云数据集；

三维重建模块，用于对所述原始点云数据集进行三维重建，得到点云图，所述点云图包括多个障碍物距离；

语音提示模块，用于当任一所述障碍物距离小于预设距离值时，则生成语音提示指令，并根据所述语音提示指令进行语音提示。