1.一种面向酿造环境的天车三维障碍物检测方法，其特征在于：包括以下过程：

获取布置在传感器支架上的第一三维激光雷达和第二三维激光雷达的点云数据；

对两个三维激光雷达的点云数据进行点云融合，所述点云融合包括点云时间同步和点云拼接；

对融合后的点云数据进行预处理；

对预处理后的点云数据，根据改进的径向有界最近邻聚类算法进行三维障碍物检测；

其中，改进的径向有界最近邻聚类算法中，以某个激光雷达的坐标系原点为圆心，在XOY平面作同心圆，X轴为垂直于地面的轴向，每间预设距离作圆，将XOY平面划分为不同的段，其中Di代表第i段区域内的点与原点在XOY平面上的投影距离，在段内使用该段最大同心圆半径所对应的最大间隙作为该段径向有界最近邻聚类的阈值半径。

2.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：两个三维激光雷达布置在传感器支架的对角线顶点位置，两个三维激光雷达均水平安装，激光线束在竖直方向上进行360度扫描，传感器支架固定在天车的小车上，延伸至天车大车车身下方，传感器支架宽度小于天车小车宽度，传感器支架长度小于天车大车车身宽度。

3.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：第一三维激光雷达的点云为P1，第一三维激光雷达的点云为P2，融合后的点云数据Pu＝P1+P’2，其中，P’2＝RP2+t，R为旋转矩阵，t为平移向量。

4.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：对融合后的点云数据进行预处理，包括：

进行感兴趣区域提取和点云降采样，通过半径滤波的方式滤除离群点，通过设置高度阈值的方式滤除地面点。

5.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：改进的径向有界最近邻聚类算法中，定义分区函数：

2 2 2

divZone1(x,y,z)＝0.072x+0.072y‑z

2 2 2

divZone2(x,y,z)＝0.072x+0.072(y+2.6) ‑(z+1.5)对于有效点云中的任意一点pi(xi,yi,zi)，若divZone1(xi,yi,zi)≥0，该点属于主分区或公共分区，依据di分区；若divZone1(xi,yi,zi)<0且divZone2(xi,yi,zi)≥0，该点属于拓展分区，依据di'分区，其中，di为点pi(xi,yi,zi)与第一三维激光雷达在XOY平面的投影距离，di'为点pi(xi,yi,zi)与第二三维激光雷达在XOY平面的投影距离。

6.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：对分区分段后的各段点云采用径向有界最近邻聚类算法处理得到点云簇集合，对点云簇集合中的每个点云簇求在XYZ轴上的最大最小坐标，从而确定对应的长方体边界框的8个顶点坐标，进而确定点云簇所代表障碍物的长方体边界框；

对位于不同分段内的点云簇在X轴方向上进行结果聚合，X轴为垂直于地面的轴向，若两个三维障碍物在YOZ平面上的投影存在交叉，则将这两个障碍物对应的点云簇合并为一个，将其视为同一障碍物。

7.如权利要求1所述的面向酿造环境的天车三维障碍物检测方法，其特征在于：所述阈值半径为三维激光雷达采集到的点云数据在该段内的最大固有间隙。

8.一种面向酿造环境的天车三维障碍物检测系统，其特征在于：包括：

数据获取模块，被配置为：获取布置在传感器支架上的第一三维激光雷达和第二三维激光雷达的点云数据；

点云融合模块，被配置为：对两个三维激光雷达的点云数据进行点云融合，所述点云融合包括点云时间同步和点云拼接；

点云预处理模块，被配置为：对融合后的点云数据进行预处理；

障碍物检测模块，被配置为：对预处理后的点云数据，根据改进的径向有界最近邻聚类算法进行三维障碍物检测；

其中，改进的径向有界最近邻聚类算法中，以某个激光雷达的坐标系原点为圆心，在XOY平面作同心圆，每间预设距离作圆，将XOY平面划分为不同的段，其中Di代表第i段区域内的点与原点在XOY平面上的投影距离，在段内使用该段最大同心圆半径所对应的最大间隙作为该段径向有界最近邻聚类的阈值半径。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的面向酿造环境的天车三维障碍物检测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的面向酿造环境的天车三维障碍物检测方法中的步骤。