1.一种铁路轨行区异物检测方法，其特征在于，包括步骤：对铁路环境的点云数据进行点云分割，得到异物标签集与轨道标签集，方法为：利用神经网络模型预测所述点云数据中每一个点的标签；提取轨道区域以及异物点的标签，得到所述异物标签集与轨道标签集；其中，通过神经网络模型对经过预处理后的所述点云数据进行监督训练，预测每一个观测点的标签，这些标签包括轨道点、背景点及可能的异物点的标签， 为预测标签集， 、 、...、 均表示预测标签，其中， 为点云数据 的预测标签， ；所述预测标签包括轨道区域的预测标签、隧道口的预测标签、隧道口接触网的预测标签和其他隧道背景的预测标签；根据所述轨道标签集提取轨道区域的点云数据；将前后帧的所述轨道区域的点云数据进行对比，得到新增点云数据集；还包括：将新增点云数据集减去背景点的点云数据；将所述新增点云数据集进行聚类分析，得到异物簇集；将所述异物簇集与所述异物标签集进行交叉计算，计算识别轨行区异物。
2.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，所述对铁路环境的点云数据进行点云分割，得到异物标签集与轨道标签集步骤之前，还包括：对所述铁路环境的点云数据进行预处理，所述预处理包括：体素下采样以及去除所述铁路环境的点云数据中的离群点。
3.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，所述根据所述轨道标签集提取轨道区域的点云数据 ，方法为： ；其中， 表示轨道区域的标签， 表示预测标签， 表示点云数据。
4.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，所述将前后帧的所述轨道区域的点云数据进行对比，得到新增点云数据集，所述新增点云数据集 的计算方法为： ；其中， 表示当前帧的轨道区域的点云数据， 表示前一帧的轨道区域的点云数据。
5.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，所述将所述新增点云数据集进行聚类分析，得到异物簇集，方法为： ；其中， 表示数据点数量， 表示聚类数量， 表示第 类聚类中的数据点， 表示第 类聚类的质心。
6.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，所述将所述异物簇集与所述异物标签集进行交叉计算，方法为： ；其中， 表示异物簇集， 表示异物标签集。
7.根据权利要求1所述的铁路轨行区异物检测方法，其特征在于，还包括：当所述异物簇集中异物簇的尺寸超过第一阈值，且异物簇相对轨面的高度超过第二阈值，则生成告警信号。
8.一种铁路轨行区异物检测装置，其特征在于，包括：点云分割模块，用于对铁路环境的点云数据进行点云分割，得到异物标签集与轨道标签集，包括：利用神经网络模型预测所述点云数据中每一个点的标签；提取轨道区域以及异物点的标签，得到所述异物标签集与轨道标签集；其中，通过神经网络模型对经过预处理后的所述点云数据进行监督训练，预测每一个观测点的标签，这些标签包括轨道点、背景点及可能的异物点的标签， 为预测标签集， 、 、...、 均表示预测标签，其中， 为点云数据 的预测标签， ；；所述预测标签包括轨道区域的预测标签、隧道口的预测标签、隧道口接触网的预测标签和其他隧道背景的预测标签；提取模块，用于根据所述轨道标签集提取轨道区域的点云数据；对比模块，用于将前后帧的所述轨道区域的点云数据进行对比，得到新增点云数据集；还包括：将新增点云数据集减去背景点的点云数据；聚类分析模块，用于将所述新增点云数据集进行聚类分析，得到异物簇集；计算识别模块，用于将所述异物簇集与所述异物标签集进行交叉计算，计算识别轨行区异物。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现权利要求1至7任一项所述的铁路轨行区异物检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序用于实现权利要求1至7任一项所述的铁路轨行区异物检测方法。
