1.一种基于深度图的三维激光雷达点云目标分割方法，所述方法包括以下步骤：S1：建立三维点云数据和深度图之间的映射关系,从而将三维点云数据转化为前景深度图；

S2：计算深度图中每一列中相邻两点形成的角度值，遍历所有列，从而得到深度图所对应的角度矩阵；

S3：通过广度优先搜索算法遍历深度图，通过角度矩阵获取深度图中每个点的角度值，如果深度图上相邻两点的角度差值小于指定阈值，则将这两点标记为同一类型，从而找出深度图中属于地面的部分，根据三维点云数据和深度图之间的映射关系分离出地面点云数据；

其特征在于，

S4：基于深度图的改进密度聚类算法DBSCAN对非地面点云数据进行目标分割；从而分离出属于不同簇的点云目标。

2.根据权利要求1所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，所述步骤S1包括：S101：将三维点云数据中任意数据点(x,y,z)通过转化公式转换为二维深度图的像素(r,c)；

S102：遍历点云数据中所有数据点，按照步骤S101的转换公式转化为深度图下的像素点，若当前像素值已经存在，则保留两者中距离最小的像素值，从而最终生成深度图；

其中，转换公式表示为：

r、c对应表示二维深度图的像素坐标；d表示数据点到三维激光雷达的距离，x，y，z分别代表三维点云数据其x轴数值、y轴数值和z轴数值；v是激光雷达垂直角度分辨率，h是激光雷达水平角度分辨率。

3.根据权利要求1所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，所述步骤S2包括：S201：逐列遍历深度图，并将遍历到的列作为当前列；

S202：以从下至上的方向遍历当前列，按照角度公式计算深度图中同一列相邻两个点A、B的角度值S203：遍历所有的列，生成与深度图相对应的角度矩阵；

其中，角度公式表示为：

其中， 表示深度图第c列中r-1与r行相邻两个点之间的角度值；AC和BC分别为以AB为斜边的两直角边；a、b分别对应表示为相邻点A、B的垂直角度值，Rr-1,c表示为第r-1行第c列的像素值，Rr,c表示为第r行第c列的像素值。

4.根据权利要求1所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，所述步骤S3包括：S301：从深度图底部的像素点开始遍历，通过角度矩阵获取深度图对应位置上的角度值，获取对应位置上的角度值，如果该点的角度值小于45度，则标记为地面点，反之标记为非地面点；

S302：从S301标记的地面点向未标记的四周相邻点进行扩展，与相邻点之间的角度差值大小不超过指定阈值，则标记邻居点也为地面点，否则标记为非地面点；

S303：重复步骤S302，直到深度图中所有的点都已经标记完成，最终分离出所有被标记为地面点的点云数据，并去除被标记为地面点的点云数据。

5.根据权利要求1所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，所述步骤S4包括：S401：遍历深度图中还未被标记的点云数据点，并判断其是否为核心点，若该点云数据点为核心点，则将核心点和及其邻居点标记为同一聚类簇；

S402：根据S401选取的核心点，搜索该核心点的邻域，检测邻域内与该核心点空间欧式距离小于自适应参数eps的数据点，取出作为扩展点，如果已经被标记为其他聚类簇，则跳过；

S403：从未被标记的扩展点出发，重复步骤S401，S402，直至最终对整个深度图的标记；

S404：根据最终对深度图的标记关系，分离出属于不同聚类簇的点云目标。

6.根据权利要求5所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，步骤S401中判断该点云数据点为核心点的方法包括：若某一点云数据点同时满足第一条件和第二条件，则表示该点为核心点；

第一条件：有MinPts个邻居点至该点云数据点的欧式距离，小于或等于自适应参数eps；

第二条件：有MinPts个邻居点至该点云数据点的角度距离，小于或等于角度距离阈值；

其中，MinPts表示DBSCAN算法中的参数，即最小样本数。

7.根据权利要求6所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，角度距离的计算方法包括：β＝arctan(||d2×sinω||÷||d1-d2×cosω||)；

其中，β表示角度距离；d2为点云数据点对应三维雷达扫描线的距离，d1为邻居点对应的三维雷达扫描线的距离；ω为两路扫描线在水平方向上的角度值。

8.根据权利要求6所述的一种基于深度图的三维激光雷达点云目标分割方法，其特征在于，自适应参数eps的计算方法包括：其中，L为聚类区域步长，ρ为聚类半径系数，(x,y,z)为该数据点在雷达坐标系下的三维坐标；x，y，z分别代表三维点云数据其x轴数值、y轴数值和z轴数值。