1.一种点云数据处理方法，其特征在于，包括以下步骤：获取点云数据集；所述点云数据集包括多个点的三维坐标；所述点云数据为激光雷达采集的；

从所述多个点的三维坐标中确定出每个点的高度值；

获取地面高度极差弧度和地面高度极限弧度；

基于所述每个点的高度值、所述地面高度极差弧度和所述地面高度极限弧度确定出所述每个点的属性；

基于所述每个点的属性和所述点云数据集确定出目标障碍物的点云数据集。

2.根据权利要求1所述的点云数据处理方法，其特征在于，所述属性包括地面点和非地面点；

所述基于所述每个点的高度值、所述地面高度极差弧度和所述地面高度极限弧度确定出所述每个点的属性，包括：

从所述点云数据集中确定出目标点的三维坐标；

根据所述目标点的三维坐标和所述地面高度极限弧度确定出所述目标点的地面高度极限值；

根据所述目标点的高度值和所述目标点的地面高度极限值确定出所述目标点的属性；

基于所述目标点的属性、剩余目标点的高度值、所述地面高度极差弧度和所述地面高度极限弧度确定出所述剩余目标点的属性。

3.根据权利要求2所述的点云数据处理方法，其特征在于，所述基于所述目标点的属性、剩余目标点的高度值、所述地面高度极差弧度和所述地面高度极限弧度确定出所述剩余目标点的属性，包括：

将所述目标点确定为前一目标点；

从所述剩余目标点中确定出当前目标点；所述剩余目标点为未确定出属性的目标点；

根据所述当前目标点的三维坐标、所述前一目标点的三维坐标和所述地面高度极差弧度确定出所述当前目标点的地面高度极差值；

根据所述当前目标点的三维坐标和所述地面高度极限弧度确定出所述当前目标点的地面高度极限值；

确定所述当前目标点与所述前一目标点之间的距离；

若所述当前目标点与所述前一目标点之间的距离小于等于预设阈值，则根据所述前一目标点的属性、所述当前目标点的高度值、所述前一目标点的高度值和所述当前目标点的地面高度极差值确定所述当前目标点的第一结果；

基于所述第一结果确定所述当前目标点的属性；

将所述当前目标点确定为更新前一目标点；

从所述剩余目标点中重新确定出更新当前目标点；重复上述确定当前目标点的属性的步骤，确定出所述更新当前目标点的属性；重复上述确定出所述更新前一目标点、所述更新当前目标点和确定所述更新当前目标点属性的步骤，直至确定出所有剩余目标点的属性。

4.根据权利要求3所述的点云数据处理方法，其特征在于，所述若所述当前目标点与所述前一目标点之间的距离小于等于预设阈值，则根据所述前一目标点的属性、所述当前目标点的高度值、所述前一目标点的高度值和所述当前目标点的地面高度极差值确定所述当前目标点的第一结果；基于所述第一结果确定出所述当前目标点的属性，包括：若所述当前目标点与所述前一目标点之间的距离小于等于所述预设阈值，且所述前一目标点的属性为地面点，所述当前目标点的高度值满足第一预设条件，则确定所述当前目标点的第一结果为可直接确认属性；

基于所述第一结果确定所述当前目标点的属性为地面点；

若所述当前目标点与所述前一目标点之间的距离小于等于所述预设阈值，且所述前一目标点的属性为非地面点，所述当前目标点的高度值满足所述第一预设条件，则确定所述当前目标点的第一结果为不可直接确认属性；

基于所述第一结果对所述当前目标的高度值和第二预设条件进行处理，得到第二结果；

若所述第二结果为所述当前目标的高度值满足所述第二预设条件，则确定所述当前目标点的属性为地面点，否则，确定所述当前目标点的属性为非地面点。

5.根据权利要求4所述的点云数据处理方法，其特征在于，所述第一预设条件为：Z0‑a

所述第二预设条件为：

Z0‑b

6.根据权利要求2所述的点云数据处理方法，其特征在于，所述从所述点云数据集中确定出目标点的三维坐标之前，还包括：获取所述激光雷达的水平角分辨率和水平可旋转角度；

根据所述水平角分辨率和所述水平可旋转角度确定出子点云数据集的数量；

确定所述每个点的水平偏转角和半径；所述半径为所述每个点距离所述激光雷达的距离；

根据所述每个点的水平偏转角和所述水平角分辨率确定出所述每个点所属的子点云数据集的序号；所述点云数据集包括多个子点云数据集；

所述从所述点云数据集中确定出目标点的三维坐标，包括：对于所述多个子点云数据集中的每个子点云数据集进行如下处理，且并行处理所述多个子点云数据集中的每个子点云数据集：对所述子点云数据集中的点按照所述半径的大小由小到大进行排序，生成第一待处理数据集；

将所述第一待处理数据集中半径最小的点确定为所述目标点；

所述基于所述目标点的属性、剩余目标点的高度值、所述地面高度极差弧度和所述地面高度极限弧度确定出所述剩余目标点的属性之后，还包括：对所述子点云数据集中的点按照所述半径的大小由大到小进行排序，生成第二待处理数据集；

将所述第二待处理数据集中半径最大的点确定为所述目标点；重复上述确定出所述目标点的属性和所述剩余目标点的属性的步骤；

所述基于所述每个点的属性和所述点云数据集确定出目标障碍物的点云数据，包括：根据所述第一待处理数据集中的每个点的属性、所述第二待处理数据集中的每个点的属性和所述点云数据集确定出所述目标障碍物的点云数据集。

7.根据权利要求1所述的点云数据处理方法，其特征在于，所述基于所述每个点的属性和所述点云数据集确定出目标障碍物的点云数据，包括：根据所述每个点的属性和所述点云数据集确定出待处理目标障碍物的点云数据集；

利用密度聚类算法对所述待处理目标障碍物的点云数据集进行聚类处理，得到目标障碍物的点云数据集。

8.一种点云数据处理装置，其特征在于，包括：获取模块，用于获取点云数据集、地面高度极差弧度和地面高度极限弧度；所述点云数据集包括多个点的三维坐标；所述点云数据为激光雷达采集的；

高度值确定模块，用于从所述多个点的三维坐标中确定出每个点的高度值；

属性确定模块，用于基于所述每个点的高度值、地面高度极差弧度和地面高度极限弧度确定出所述每个点的属性；

点云数据集确定模块，用于基于所述每个点的属性和所述点云数据集确定出目标障碍物的点云数据集。

9.一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1‑7任一所述的点云数据处理方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求

1‑7任一项所述的点云数据处理方法。